트위터 영향력, 실제 정치 지위와 연결된다

본 논문은 “트위터가 실제 정치적 영향력을 반영하는가?”라는 질문을 다루며, 영국과 아일랜드 국회의원들의 트위터 활동을 기반으로 다중 뷰 네트워크를 구축하고, 이를 구조화된 반비대칭 비음수 행렬분해(semi‑NMF) 모델로 분석한다. 서론에서는 소셜 미디어가 정치 커뮤니케이션에 미치는 영향과 기존 연구(텍스트 기반 감성 분석, PageRank·HITS 등)의 한계를 지적하고, 메타데이터(링크 관계)만을 이용해 영향력을 측정하는 필요성을 제시한다. 데이터는 2012년 말부터 수집된 약 50만 트윗과 4만 팔로워 관계를 포함한다. 영국 데이터는 416명의 MP를, 아일랜드 데이터는 348명의 정치인·기관 계정을 대상으로 한다. 세 가지 네트워크(리트윗, 멘션, 팔로우)를 각각 가중치(로그 수) 혹은 이진 형태로 구성한다. 네트워크 특성으로는 팔로우 네트워크가 가장 밀집(평균 차수 65.25)하지만, 리트윗·멘션 네트워크는 대화 흐름을 더 잘 반영한다는 점을 확인한다. 방법론 섹션에서는 먼저 단일 뷰 semi‑NMF 모델을 소개한다. 인접 행렬 A를 S Λ Θᵀ 형태로 근사하는데, S는 사전에 정의된 노드‑레벨 통계(클러스터링 계수, 매개 중심성, 근접 중심성, 차수)로 구성된다. Λ는 통계와 잠재 커뮤니티(K 차원) 사이의 가중치를 학습하고, Θ는 각 노드가 각 커뮤니티로부터 받는 ‘입력’ 영향력을 나타낸다. 비음수 제약을 통해 해석 가능성을 확보한다. 다중 뷰 확장은 모든 뷰에 공통된 Θ와 뷰별 Vₘ을 도입한다. 목적함수는 ∑ₘ‖Aₘ−SₘΛₘ(Θ+Vₘ)ᵀ‖²_F 를 최소화하는 형태이며, 교대 최소화와 비음수 투사로 최적화한다. 이 구조는 (1) 각 뷰의 고유한 패턴을 Vₘ가 포착하고, (2) 전체 네트워크의 일반적인 영향력 구조를 Θ가 공유하도록 설계돼, 다양한 관계 유형을 동시에 고려할 수 있다. 실험에서는 제안 모델을 PageRank와 HITS와 비교한다. 평가 기준은 (a) 실제 정치적 직위와의 순위 일치율, (b) 향후 6개월간 주요 언론 헤드라인 수와의 상관관계이다. 결과는 다음과 같다. 영국 데이터에서 제안 모델은 상위 10위 내에 내각 장관·야당 리더 등 핵심 인물을 9명 포함했으며, 헤드라인 수와의 Pearson 상관계수는 0.62였다. PageRank와 HITS는 각각 0.48·0.51 수준에 그쳤다. 아일랜드 데이터에서도 유사한 패턴이 관찰돼, 모델의 일반화 가능성을 확인했다. 또한, S 행렬에 포함된 통계 조합을 바꾸어도 핵심 순위는 크게 변하지 않아, 모델이 특정 통계에 과도하게 의존하지 않음을 보였다. 논의에서는 (1) 메타데이터만을 이용함으로써 텍스트 분석의 언어·감성 이슈를 회피했지만, 내용 기반 정보와 결합하면 더 풍부한 인사이트를 얻을 수 있다는 점, (2) 정적 행렬 기반이라 시간에 따른 영향력 변화를 포착하기 어려워, 동적 NMF 혹은 시계열 모델 도입이 필요함을 언급한다. 마지막으로, 제안된 구조화된 semi‑NMF 프레임워크는 정치 외에도 기업·학계 등 다양한 다중 관계 네트워크에 적용 가능함을 제시한다.