'Computer Science / Social Networks' 카테고리의 모든 글
이 논문은 기존 감성 분석이나 사전 학습된 분류기 중심의 양극화 연구와 차별화되는 두 가지 핵심 요소를 제시한다. 첫째, 대형 언어 모델을 활용해 텍스트에서 ‘입장(stance)’, ‘감정적 어조(affective tone)’, ‘동의·반대 패턴(agreement dynamics)’을 다층적으로 추출한다는 점이다. 기존 방법은 주로 단일 차원의 감성 점수(긍정/부정) 혹은 사전 정의된 레이블(찬성/반대)만을 제공했지만, LLM은 문맥을 고려해 미묘한 입장 변화를 포착하고, 감정의 강도와 유형(분노, 슬픔, 혐오 등)까지 세분화한다.
본 논문은 복잡한 네트워크에서 관찰되는 만델브로트 법칙에 대한 엄밀한 수학적 증명을 제공하며, 이를 통해 선형 선호 부착 모델이 어떻게 이러한 특성을 생성하는지 깊게 분석한다. 논문은 주요 세 가지 근사법을 사용하여 차수 분포의 극한 형태를 유도하고, 각 방법의 결과를 비교한다. 1. 연구 배경 및 중요성 복잡 네트워크는 다양한 학문 분야에서 중요한 관심 대상이다. 특히, 이러한 네트워크의 규모 자유 특성은 그 보편성과 중요성을 강조하며, 이는 네트워크 내 노드들의 차수 분포가 전력법칙에 따라 결정된다는 것을 의미한다. 바바라시와
이 논문은 네트워크 클러스터링 알고리즘에서 사용되는 모듈러티 지수 Q에 대한 한계와 Borgatti의 η 지표를 소개하고, 이를 통해 더 정확한 분할 평가 방법을 제시한다. 1. 모듈러티 지수 Q의 문제점 Q는 네트워크 데이터에서 클러스터링 성능을 측정하는 데 주로 사용되지만, 여러 가지 한계를 가지고 있다. 첫째, Q는 외부 간선의 증가에 따라 감소하고 내부 간선의 증가에 따라 증가해야 하지만, 실제로는 그렇지 않다. 예를 들어, 완벽한 클러스터링을 나타내는 그래프에서 한 개의 내부 간선이 제거되더라도 Q 값은 변하지 않는다. 이
본 논문은 소셜 네트워크에서 정보와 의견이 어떻게 확산되는지에 대한 심도 있는 분석을 제공한다. 특히, 기존 모델들이 논쟁 가능한 정보의 확산 과정을 정확히 설명하지 못하는 한계를 지적하고, 이를 극복하기 위한 새로운 접근법을 제시한다. 1. 기존 연구와의 차별화 전염병 확산 모델 : 이 모델은 정보나 의견이 확산되는 과정을 질병 전염과 유사하게 설명한다. 그러나, 논쟁 가능한 정보는 단순히 노출에 의한 감염만으로 설명하기 어렵다. 기준 모델 (복잡한 전염) : 이 모델은 개인의 의견 형성이 그의 주변 네트워크 구성원들의 영향을 받
: 본 논문은 디지털 세상에서 개인정보와 비밀정보가 어떻게 퍼져나가는지를 수학적으로 모델링하고 분석하는 데 초점을 맞추고 있다. 이는 정보 기술의 발전으로 인해 언제 어디서든 정보를 공유할 수 있게 되면서, 민감한 콘텐츠의 보안 유지가 더욱 중요하게 된 상황을 반영한다. 네트워크 구조와 개인정보 확산 본 논문은 네트워크 이론을 기반으로 다양한 유형의 네트워크에서 정보의 확산 패턴을 분석하고 있다. 네트워크는 점(노드)과 선(엣지)으로 구성되며, 노드와 엣지의 연결 방식에 따라 여러 가지 형태로 구분된다. 1. 완전한 네트워크 : 모
본 논문은 랜덤 아폴로니 네트워크(RANs)의 정도 분포에 대한 깊이 있는 분석을 제공하며, 이는 그래프 이론에서 중요한 역할을 하는 모델 중 하나이다. RANs는 평면 그래프로서, 각 단계에서 무작위로 삼각형을 선택하고 그 내부에 새로운 정점을 추가하여 네트워크를 확장한다. 1. 서론 서론에서는 본 논문의 주요 목표와 연구 배경이 설명된다. RANs는
검색어를 입력하세요