본 논문은 소셜 미디어의 의견 형성 과정에서 전 지구적 합의를 효율적으로 이끌어내는 새로운 방법론인 H-NeiFi를 제시합니다. 기존의 의견 개입 방식이 사용자 자율성을 저해하고 저항을 야기하는 문제점을 지적하며, H-NeiFi는 전문가와 비전문가의 역할을 고려한 2계층 동적 모델과 비침습적인 이웃 필터링 방법을 통해 사용자 간 상호작용을 간접적으로 조절합니다. 다중 에이전트 강화 학습(MARL)을 이용하여 장기적인 보상 함수를 최적화함으로써 정보 전파 경로를 효율적으로 제어하고, 사용자 간 상호작용에는 직접 개입하지 않습니다. 실험 결과, H-NeiFi는 합의 속도를 22.0%~30.7% 향상시키고 전문가 없이도 전 지구적 수렴을 유지하는 것으로 나타났습니다. 이는 사용자 상호작용 자율성을 보호하면서 자연스럽고 효율적인 합의를 유도하는 새로운 사회 네트워크 거버넌스 패러다임을 제시합니다.
