Social curation services are emerging social media platforms that enable users to curate their contents according to the topic and express their interests at the topic level by following curated collections of other users’ contents rather than the users themselves. The topic-level information revealed through this new feature far exceeds what existing methods solicit from the traditional social networking services, to greatly enhance the quality of topic-sensitive influence modeling. In this paper, we propose a novel model called the topical influence with social curation (TISC) to find influential users from social curation services. This model, formulated by the continuous conditional random field, fully takes advantage of the explicitly available topic-level information reflected in both contents and interactions. In order to validate its merits, we comprehensively compare TISC with state-of-the-art models using two real-world data sets collected from Pinterest and Scoop.it. The results show that TISC achieves higher accuracy by up to around 80% and finds more convincing results in case studies than the other models. Moreover, we develop a distributed learning algorithm on Spark and demonstrate its excellent scalability on a cluster of 48 cores.
소셜 큐레이션 서비스는 최근 떠오르는 새로운 소셜 미디어 플랫폼이다. 이곳에서 사용자들은 관심있는 콘텐츠 들을 주제에 따라 수집하고, 다른 사용자 그 자체가 아닌 사용자들의 콘텐츠 꾸러미들을 구독하여 그들의 관심사를 표현할 수 있다. 이러한 새로운 기능으로 부터 얻어지는 주제 단위의 정보는 기존의 방법론 들이 소셜 네트워크 서비스에서 얻으려고 했던 정보보다 훨씬 정확하기 때문에 주제 별 영향력의 측정에서 질적 향상을 가능케 해준다. 본 논문에서는 소셜 큐레이션 서비스에서 영향력이 높은 사용자들을 탐색하기 위한 방법으로 TISC 모델을 제안한다. 연속적인 조건부 무작위장으로 만들어진 이 모델은 명시적으로 주제 단위의 정보를 가지고 있는 콘텐츠와 사용자간의 교류정보를 모두 반영할 수 있는 장점이 있다. 이러한 장 점을 검증하기 위해, TISC 모델을 소셜 큐레이션 서비스인 Pinterest와 Scoop.it에서 얻어진 실제 데이터를 이용하여 기존의 최신 방법론들과 철저히 비교하였다. 그 결과, TISC가 다른 방법론과 비교하여 최대 80% 의높은정확도를보였으며,사례분석을통해서더설득력있는결과임을알수있었다. 또한,Spark를 통해서 TISC를 분산 학습 알고리즘으로 개발하였고, 48 코어를 가지는 클러스터에서 제안한 모델의 훌륭한 확장성을 검증하였다.
