다단계 모듈러리티 군집화 알고리즘의 성능 비교

초록

본 논문은 그래프 군집화 품질 지표인 모듈러리티를 최적화하기 위한 다양한 코어싱·리파인먼트 휴리스틱을 실험적으로 비교한다. 코어싱 단계에서는 전통적인 “모듈러리티 증가량” 기준보다 단순한 연결 밀도 기반 기준이 더 좋은 결과를 보이며, Schuetz‑Caflisch 알고리즘은 이러한 단순 기준에 비해 우수하지 않다. 리파인먼트 단계에서는 기존 단일‑레벨 이동 방식보다 다단계(멀티‑레벨) 접근이 현저히 높은 모듈러리티를 달성한다. 최종적으로 코어싱과 다단계 리파인먼트를 결합한 조합이 최신 최고 성능 알고리즘들과 경쟁함을 입증한다.

상세 분석

이 연구는 모듈러리티 최적화가 NP‑hard 문제임을 전제로, 대규모 그래프에 적용 가능한 휴리스틱들의 실제 효율성을 정량적으로 평가한다. 코어싱 단계에서 가장 널리 사용되는 “모듈러리티 증가량” 기준은 두 클러스터를 합쳤을 때 모듈러리티가 얼마나 상승하는지를 기준으로 하지만, 실험 결과 이 기준이 반드시 최적의 병합 순서를 보장하지 않는다. 저자들은 대신 (1) 두 클러스터 사이의 에지 수를 직접 비교하는 “에지 수 기준”, (2) 클러스터 내부와 외부 연결 강도를 비율로 보는 “밀도 비율 기준” 등을 제안한다. 이들 단순 기준은 계산 비용이 낮고, 특히 희소 그래프에서 병합 순서가 더 균형 잡힌 구조를 형성하도록 유도한다.

Schuetz와 Caflisch가 제안한 최근 알고리즘은 모듈러리티 증가량에 가중치를 부여해 병합을 조정하지만, 본 논문의 실험에서는 그 가중치가 오히려 병합 선택을 편향시켜 전체 모듈러리티를 낮추는 경우가 발견되었다. 즉, 복잡한 가중치 설계가 반드시 성능 향상을 보장하지 않으며, 간단한 그리디 병합이 오히려 더 견고한 결과를 만든다.

리파인먼트 단계에서는 전통적인 “단일‑레벨 이동” 방식, 즉 현재 클러스터링에서 각 정점을 인접 클러스터로 옮겨 모듈러리티를 개선하는 반복 과정을 사용한다. 그러나 이 방식은 초기 클러스터링이 크게 왜곡된 경우 지역 최적점에 빠지기 쉽다. 저자들은 “다단계(멀티‑레벨) 리파인먼트”를 도입한다. 구체적으로, 코어싱 단계에서 얻은 계층 구조를 역추적하면서 각 레벨에서 정점 이동을 수행하고, 그 결과를 다음 finer 레벨에 전달한다. 이렇게 하면 높은 레벨에서 큰 구조적 변화를 탐색한 뒤, 낮은 레벨에서 미세 조정을 할 수 있어 전역 탐색 능력이 크게 향상된다.

실험은 synthetic LFR benchmark, 실세계 소셜 네트워크, 웹 그래프 등 다양한 데이터셋에 대해 수행되었다. 코어싱 기준별 비교에서는 에지 수 기준과 밀도 비율 기준이 평균 1.22.5% 높은 모듈러리티를 기록했으며, 실행 시간은 기존 기준보다 1030% 빠르게 끝났다. 리파인먼트 비교에서는 다단계 알고리즘이 단일‑레벨 대비 평균 3~5% 높은 모듈러리티를 달성했으며, 특히 큰 그래프(수백만 정점)에서 그 차이가 두드러졌다. 최종적으로 코어싱(밀도 비율) + 다단계 리파인먼트 조합은 최신 Louvain, Leiden 등과 비슷하거나 약간 앞선 성능을 보였으며, 구현 복잡도와 메모리 사용량도 경쟁 수준이었다.

이러한 결과는 “복잡한 병합 기준”보다 “단순하고 계산 효율적인 기준”이 대규모 그래프에서 더 실용적일 수 있음을 시사한다. 또한, 다단계 구조를 활용한 리파인먼트가 전역 최적화에 기여한다는 점은 향후 모듈러리티 기반 클러스터링 알고리즘 설계에 중요한 설계 원칙이 될 수 있다.