고립노드와 잎노드가 클러스터링 계수에 미치는 영향 재고

초록

전통적인 클러스터링 계수는 이웃이 하나 이하인 노드를 0으로 처리해 희소 네트워크에서 군집성을 과소평가한다. 저자는 이러한 노드 비율 θ를 이용해 정의를 수정하고, 수정된 계수 C′는 기존 값보다 최대 140 % 높아진다. 메타볼릭 네트워크 43종을 대상으로 비교했을 때 58 % 이상의 네트워크 관계가 바뀌었으며, 작은‑세계성 판단도 달라진다. 대안 지표 Disconnectedness D는 잎·고립 노드에 덜 민감하다.

상세 분석

이 논문은 네트워크 과학에서 가장 널리 사용되는 클러스터링 계수의 정의가 실제로는 “이웃이 없는” 혹은 “이웃이 하나뿐인” 노드들을 포함함으로써 편향될 수 있음을 지적한다. 기존 정의 C₁ (모든 노드 평균)와 C₂ (정규화된 평균) 모두 분모에 degᵢ·(degᵢ‑1) 을 사용하므로 degᵢ≤1 인 경우 0으로 강제 지정한다. 저자는 이러한 경우를 전체 노드 집합에서 제외하고, 잎·고립 노드 비율 θ 를 구해 새로운 전역 계수 C′ = C₁ / (1‑θ) 을 제안한다. 이 식은 θ 가 클수록 기존 계수 대비 상승 폭이 커짐을 보여준다(증가 계수 f = 1/(1‑θ)).

실제 데이터로는 C. elegans 신경망, 다양한 미생물 대사망, 효모 단백질‑단백질 상호작용망, 독일 고속도로, 미국 전력망, 월드와이드웹 등 10여 개의 실제 네트워크와 동일 규모의 Erdős‑Rényi 무작위 그래프를 분석했다. 표 1에 제시된 θ 값은 0.02에서 0.59까지 다양했으며, 이에 따라 C′ 는 기존 C₁ 보다 1.02배에서 2.42배까지 상승했다. 특히 효모 PPI 네트워크에서는 C₁ = 14.4 %, C₂ = 8.4 %였던 것이 C′ = 18.7 %로 변해 C₂ 와 비교했을 때 2배 이상 차이가 났다.

네트워크 비교 측면에서는 43개의 대사망을 쌍으로 비교한 결과, 기존 C₁ 기준으로는 903개의 관계 중 58 %가 새 정의 C′ 로 바뀌었다. C₂ 와 비교하면 76 %가 바뀌었으며, C₁ ↔ C₂ 간 전환에서도 77 %가 관계가 뒤바뀌었다. 이는 클러스터링 계수 정의가 네트워크 간 상대적 순위와 해석에 큰 영향을 미친다는 것을 의미한다.

작은‑세계성 판단에도 영향을 미친다. 작은‑세계성 지표 σ = (C/C_random)/(L/L_random) 에서 C 를 C′ 로 교체하면 σ 가 상승한다. 실제 대사망에서는 원본 네트워크의 θ 가 무작위 대비 크게 높아 σ 가 증가했으며, 반대로 격자 기반 재와이어링으로 만든 인공 작은‑세계망에서는 무작위 그래프보다 θ 가 낮아 σ 가 감소했다. 이는 θ 가 네트워크 구조와 무작위 기준 사이의 차이를 매개한다는 점을 강조한다.

마지막으로 저자는 잎·고립 노드에 덜 민감한 대안 지표 Disconnectedness D를 제시한다. D 는 연결되지 않은 쌍의 비율을 측정해, 클러스터링 계수와는 다른 관점에서 네트워크의 “분리 정도”를 파악한다.

전체적으로 이 연구는 네트워크 분석에서 가장 기본적인 군집성 측정이 실제 구조적 특성을 왜곡할 수 있음을 실증하고, θ 를 이용한 보정 방법과 대안 지표를 제공함으로써 보다 정확한 네트워크 비교와 작은‑세계성 평가를 가능하게 한다.