숨겨진 커뮤니티 복원을 위한 반정밀도 프로그램의 한계와 가능성

1. 서론 및 문제 설정 논문은 n×n 대칭 행렬 A 를 관측하고, 행렬 원소가 두 확률분포 P(커뮤니티 내부)와 Q(외부) 중 하나에서 독립적으로 샘플링된다는 숨겨진 커뮤니티 모델을 제시한다. 목표는 크기 K인 커뮤니티 C* 를 정확히 복원하는 것이다. 베르누이(p,q)와 가우시안(μ,0) 두 경우가 특히 관심 대상이며, 전자는 플랜트된 조밀 서브그래프, 후자는 서브매트릭스 로컬라이제이션 문제와 동등하다. 2. SDP 완화와 수학적 형식화 MLE는 이산 최적화 문제(1) 로 표현되며, 이는 rank‑1 제약을 가진 반정밀도 프로그램(2) 로 변형된다. rank 제약을 PSD 제약으로 완화하면 SDP(3)가 된다. 여기서 L은 A 혹은 로그우도비(Likelihood Ratio) 행렬이며, K는 사전에 알려진 파라미터이다. 최적해 Z* = ξ*ξ*ᵀ 가 실제 클러스터 행렬이며, SDP가 Z* 를 유일하게 반환하면 정확 복원이 달성된다. 3. 충분조건(Theorem 1) 행합 e(i,C*) = Σ_{j∈C*} L_{ij} 를 정의하고, α=E_P