Twitter is offering an unprecedented opportunity for the study of information spreading in human society as all actions and underlying social network can be recorded. In this thesis, we present empirical study of information spreading phenomena in Twitter. We collected 32 million photo URLs posted on Twitter via Twitpic and related 52 million tweets from April 2010 to June 2010. Twitpic links guarantee that the source of information is unique and a Twitter user. Thus, Twitpic links eliminate chance of having multiple source users who bring the same information to Twittersphere. We show analysis on information creation and spreading tracking Twitpic URL links. Microscopic characteristics of information diffusion at the individual information level are not well-explored yet. We analyze temporal and topological characteristics of microscopic information spreading characteristics with the reconstructed diffusion trees of Korean users. We discover that diffusion in Twitter is very fast making wide and shallow diffusion trees. We show information diffusion model which is an extension of Independent Cascade Model considering response time of users. We show that spreading probabilities are infuenced by type of information and directness to the original source. To be best of our knowledge this work is the first study on characteristics of microscopic information diffusion in Twitter.
트위터는 사용자들의 모든 행위와 소셜 네트워크 구조를 제공하면서 유래없는 인간 사회에서의 정보 전파 연구의 기회를 제공한다. 이 논문에서는 트위터가 제공하는 데이터를 기반으로 정보 전파 현상을 분석하였다. 우리는 2010년 4월부터 2010년 6월까지 Twitpic을 통해 트위터에 업로드된 3,200만 개의 사진 URL 링크와 관련된 5,200만개의 트윗을 수집하였다. Twitpic 링크는 정보의 발생점이 유일한 트위터 사용자임을 보장함으로써 정보 전파를 추적하는데 모호한 경우인 여러 사용자가 같은 정보를 트위터에 가져와서 정보전파가 시작되는 경우를 배제한다. 우리는 이 Twitpic 링크로 정보 전파 현상을 추적하여 정보의 생성과 전달을 분석하였다. 또한 아직 트위터에서 연구가 미진한 개별적인 정보 단위의 미시적인 관점의 정보 전파 현상을 한국인 사용자의 소셜 그래프를 통해 추론한 정보 전파 트리를 이용하여 시간 및 위상적으로 분석하였다. 이 분석으로 우리는 트위터의 정보 전파는 매우 빠르고 넓고 얕은 정보 전파 트리가 생성된다는 것을 밝혔다. 또한 사용자의 응답시간을 고려하여 Independent Cascade Model을 확장한 트위터에서의 정보 전파 모델을 제안하였다. 트위터에서의 정보 전파 확률은 의도에 따라 구분된 정보의 종류와 정보의 발생점으로부터 직접 전달 받았는지 간접적으로 전달 받았는지에 영향을 받는다는 것을 밝혔다. 이 연구는 온라인 소셜 네트워크에서의 미시적인 관점으로 정보 전파의 특성을 밝히는데 기여를 하고, 바이럴 마케팅에서 효과적인 마케팅 대상을 찾거나 정보 전파를 예상하는데 응용될 수 있다.
