AgentTorch 기반 소셜 네트워크 루머 확산 시뮬레이션 연구 프로젝트.
Daley-Kendall(DK) 모델을 활용해 소셜 네트워크에서 루머가 어떻게 확산되는지 분석한다. 네트워크 구조, 전파율, 억제율, 팩트체크 개입 시점이 루머 확산에 미치는 영향을 정량적으로 측정한다.
- 조기 개입이 핵심: 피크 시점(Step 7~9) 이전 개입 시 최대 19.7pp 확산 억제
- 허브 노드 우선 타겟팅: 척도없는 네트워크에서 상위 1% 노드가 초기 확산 주도
- 억제 메커니즘이 더 효율적: 팩트체크(γ↑)가 콘텐츠 차단(β↓)보다 효과적
| 실험 | 내용 |
|---|---|
| E1 | 랜덤 vs 척도없는 네트워크 비교 |
| E2 | 전파율(β) sweep |
| E3 | 억제율(γ) sweep |
| E4 | 팩트체크 개입 시점별 효과 |
| E5 | LLM 기반 아키타입 에이전트 |
- 에이전트 수: N = 10,000
- 반복 횟수: 시나리오별 5회 (mean ± SD 보고)
- 논문 타겟: ICWSM 2027
- Python 3.11, AgentTorch v0.4
- NetworkX, NumPy, Matplotlib
- Claude API (LLM archetype 파라미터 추출)
rumor-spread/
├── experiments.py # 실험 1~3 (네트워크·β·γ sweep)
├── intervention.py # 실험 4 (팩트체크 개입)
├── archetype.py # 실험 5 (LLM 아키타입)
├── paper.md # 학술 논문 draft
├── paper.pdf # 논문 PDF
├── RESULTS_REPORT.md # 전체 실험 결과 보고서
├── figure_scenarios.png # 실험 결과 그래프 (300dpi)
└── figure_intervention.png # 개입 실험 그래프 (300dpi)
| 시나리오 | 최종 도달률 | 비고 |
|---|---|---|
| 척도없는 네트워크 (기준) | 96.0% ± 0.17% | |
| Step 5 강한 개입 (γ→0.40) | 76.5% ± 0.87% | -19.7pp |
| Step 20 강한 개입 (γ→0.40) | 95.4% ± 0.20% | -0.7pp |