소셜네트워크 자료를 위한 잠재적 위치군집 분석 개선 연구

Improvement Study of Latent Position Cluster Analysis for Social Network Data

소셜네트워크 자료는 객체 또는 노드들 사이의 관계를 나타내기 위한 자료로 사회학, 경제학, 경영학을 비롯한 사회과학 분야에서뿐만 아니라 물리학, 의학, 생물학 등의 자연과학과 같이 다양한 분야에서 사용되고 있다. 소셜네트워크에서 노드는 한 사람 또는 가족, 조직과 같이 더 큰 사회적 그룹을 나타내고 연결선은 두 노드 사이의 연결 여부 혹은 연결 강도를 나타낸다. 소셜네트워크 분석은 이러한 연결선을 통해 노드들 간의 규칙적인 관계패턴을 파악하여 네트워크 전체적인 구조를 이해하고 분석하는 것으로 분석 목적에 따라 적절한 통계적 모형을 이용해 다양한 의미를 도출해 낼 수 있다. 하지만 소셜네트워크 분석에 이용되는 통계적 모형의 우수성은 정확한 모수 추정에 의존한다. 소셜네트워크 분석에 현재 많이 사용되고 있는 모형은 잠재적 위치군집모형으로, 이러한 잠재변수를 고려한 모형은 매우 복잡하고 모수 추정에 어려움이 많다. 따라서 이를 개선하기 위해 본 연구는 잠재적 위치군집모형에서 각 군집별 정보를 이용하는 개선된 표본생성 방법을 제안한다. 제안된 방법은 모의실험과 실 자료 분석을 통해 다른 방법보다 더 효율적인 추정치를 제공하는 우수성을 보여 주었다.

As social network data is used to represent relationships between objects or nodes. A node represents a larger social group, such as a person, family, or organization, and edge line indicates the connection between two nodes or the connection strength. Social network analysis is to understand and analyze the overall structure of the network by identifying the regular relationship patterns between the nodes through these edges. The statistical models can be used to derive various meanings, depending on the purpose of analysis. However, the superiority of statistical models used in social network analysis depends on accurate parameter estimates. The model widely used in social network analysis is a latent position cluster model. The model considering these latent variables is very complex and difficult to estimate the parameters. Therefore, this study suggests a new sampling method using the information of each cluster in the latent position cluster model. The proposed method provides more accurate estimates than other methods through simulation and real data analysis.