확산 네트워크 구조 복원: 샘플 복잡도와 소프트 임계값 알고리즘

본 논문은 사회·기술 네트워크에서 정보, 행동, 질병 등이 전파되는 과정을 모델링한 연속시간 독립 전염(continuous‑time independent cascade) 모델을 전제로, 관측된 전염 기록(캐스케이드)만으로 숨겨진 네트워크 구조를 복원하는 문제를 다룬다. 기존 연구들은 주로 알고리즘 설계와 실험적 평가에 집중했으며, 복원 가능성에 대한 이론적 분석은 부족했다. 저자는 이러한 공백을 메우기 위해 다음과 같은 일련의 기여를 제시한다. 1. **문제 정의와 로그우도 기반 접근** 네트워크 $G^{*}=(V^{*},E^{*})$와 각 유향 간선 $j\to i$에 대한 전염 시간 밀도 $f(t_i|t_j;\alpha_{ji})$를 가정한다. 캐스케이드 $t^{(c)}$는 $N$‑차원 벡터로, 각 원소는 노드가 감염된 시점을 기록하고, 감염되지 않은 경우는 $\infty$ 로 표시한다. 전체 캐스케이드 집합 $C_n$에 대한 로그우도는 각 캐스케이드의 생존함수와 위험함수의 곱으로 표현되며, 파라미터 $\alpha$에 대해 볼록함수임을 보인다(생존함수 로그볼록, 위험함수 볼록 가정). 2. **$ℓ_1$ 정규화 최대우도 추정** 구조 복원을 위해 파라미터 벡터 $\alpha_i$(노드 $i$의 모든 가능한 부모에 대한 전염율)마다 다음 최적화 문제를 푼다. \