페이스북에서의 산책: 온라인 소셜 네트워크의 사용자 균등 샘플링
소셜 네트워크에는 방대한 양의 데이터가 담겨 있습니다. 이를 연구하기 위해서는 종종 데이터의 작은 샘플이 필요합니다. 하지만 대부분의 방법은 사용자를 공정하게 추출하는 데 실패합니다. 인기 있는 사용자들을 너무 자주 선택하기 때문입니다.
이 논문은 균등 샘플링(uniform sampling)을 위한 방법을 제시합니다. 이 방법은 편향 없이 소셜 네트워크에서 사용자를 선택할 수 있도록 도와줍니다.
연구의 핵심 요점:
- 표준 샘플링 방법은 차수(degree)가 높은 노드를 선호합니다.
- 편향은 네트워크 동작에 대한 잘못된 결론을 초래합니다.
- 이 새로운 접근 방식은 모든 사용자가 선택될 수 있는 동등한 기회를 보장합니다.
- 페이스북과 같은 대규모 그래프에서도 작동합니다.
더 나은 알고리즘을 구축하려면 편향되지 않은 데이터가 필요합니다. 이 방법은 네트워크 과학의 핵심적인 문제를 해결합니다.
출처: https://dev.to/paperium/a-walk-in-facebook-uniform-sampling-of-users-in-online-social-networks-463m
선택 사항 학습 커뮤니티: https://t.me/GyaanSetuAi