An Empirical Study on the Ability of Large Language Models to Understand the Topology of Real-World Social Networks

최근 사회연결망 분석은 단순한 위상(topology) 정보를 넘어 노드 및 엣지의 텍스트 속성을 활용하는 텍스트 기반 그래프(Text-attributed graph) 연구로 진화하고 있으며, 특히 대형 언어모델(LLM)을 활용한 의미 정보 추출이 활발히 진행되고 있다. 그러나 기존 연구들은 주로 텍스트 속성을 활용한 다운스트림 응용(downstream task) 성능 향상에 집중되어 있어, LLM 자체가 네트워크의 연결 구조, 중심성, 커뮤니티 등 핵심적인 구조적 특성을 어느 수준까지 이해할 수 있는지에 대한 체계적인 연구는 부족한 실정이다. 이에 본 연구는 실세계 사회연결망을 대상으로 LLM의 네트워크 구조 이해도를 심층적으로 분석한다. 이를 위해 LLM의 구조적 특성 파악 능력을 검증하는 실험 프레임워크를 제안하고, 질의응답 기반(Q&A-based) 평가 방법을 설계하여 실제 데이터 상에서의 가능성과 한계를 실증한다.