그래프 클러스터링 결과는 그래프 구성에 따라 달라진다

초록

이 논문은 데이터 포인트를 기반으로 만든 다양한 무작위 기하 그래프(k‑NN, r‑graph, 완전 가우시안 그래프)에서 정규화 컷(NCut)과 체거 컷(Cut) 같은 클러스터 품질 지표가 서로 다른 극한값으로 수렴한다는 사실을 밝혀낸다. 따라서 그래프의 종류와 파라미터 선택이 최종 클러스터링 결과에 결정적인 영향을 미치며, 같은 데이터라도 그래프를 다르게 구성하면 전혀 다른 군집 구조가 도출될 수 있음을 이론과 실험을 통해 입증한다.

상세 분석

본 연구는 먼저 데이터가 연속적인 확률밀도 p(x) 위에서 독립적으로 샘플링된다고 가정하고, 이를 기반으로 세 종류의 이웃 그래프를 구성한다. k‑nearest neighbor(kNN) 그래프는 각 점을 k개의 가장 가까운 이웃과 연결하고, r‑graph는 반경 r 이내의 점들을 연결한다. 완전 가우시안 그래프는 모든 점을 연결하되 가우시안 커널 f(u)= (2πσ²)^{-d/2}exp(-u²/(2σ²)) 로 가중치를 부여한다. 각 그래프에 대해 cut과 volume을 정의하고, 정규화 컷(NCut)과 체거 컷(Cut)의 수식적 형태를 제시한다.

핵심 이론적 결과는 “cut”과 “volume”이 샘플 크기 n→∞ 일 때 각각 특정 스케일링 시퀀스 s_cutⁿ, s_volⁿ에 의해 정규화되면 확률적으로 수렴하는 극한값 C_utLim, V_olLim을 가진다는 것이다. 이때 극한값은 그래프 종류와 가중치 함수에 따라 달라지며, 특히 kNN 그래프와 r‑graph는 밀도 p(x)의 서로 다른 거듭제곱을 통합하는 형태로 나타난다. 예를 들어, 무가중치 r‑graph에서는 C_utLim ∝ n² r_n^{d+1} ∫_S p(s)^{1-1/d} ds 로, 가중치가 있는 경우에는 σ와 r_n의 비율에 따라 σ^{-d} 혹은 n²σ_n² 형태가 된다. 완전 가우시안 그래프는 오직 σ에만 의존하는 n²σ_n²·(2π)^{-d/2}∫_S p(s)² ds 형태의 극한을 보인다.

볼륨 측면에서도 유사한 차이가 존재한다. kNN과 r‑graph의 볼륨은 n·r_n^{d}·∫_H p(x)dx 혹은 n·∫_H p(x)²dx 형태로 수렴하고, 가우시안 가중치가 적용되면 σ^{-d}·n·∫_H p(x)²dx 로 변한다. 이러한 결과는 정규화 컷과 체거 컷이 각각 C_utLim과 V_olLim을 이용해 정의되므로, 최종적인 클러스터링 목표 함수(NCut, CheegerCut)의 극한값도 그래프 타입에 따라 서로 다르게 된다.

논문은 또한 이러한 이론적 차이가 실제 알고리즘에 미치는 영향을 실험적으로 확인한다. 가우시안 혼합 분포를 이용해 “진짜” 클러스터가 존재하는 상황을 설정하고, 동일한 데이터에 대해 kNN 그래프와 r‑graph를 각각 구축한 뒤 정규화 스펙트럴 클러스터링을 수행한다. 결과는 두 그래프에서 얻어진 군집이 서로 다른 경계면을 갖는 등 실질적인 차이를 보이며, 이는 이론적 극한값 차이가 유한 샘플에서도 충분히 드러난다는 것을 시사한다.

이 연구는 그래프 기반 비지도 학습에서 그래프 선택이 단순히 구현상의 편의가 아니라, 통계적 일관성과 최적화 목표 자체에 영향을 미치는 핵심 설계 변수임을 강조한다. 특히 파라미터 선택이 어려운 비지도 상황에서, k와 r, σ의 비율을 어떻게 설정하느냐에 따라 동일한 데이터에 대해 전혀 다른 군집 구조가 도출될 수 있음을 경고한다. 향후 연구에서는 이러한 파라미터를 데이터에 적응적으로 선택하는 방법론을 개발하거나, 여러 그래프를 결합한 앙상블 접근법을 탐색하는 방향이 제안될 수 있다.