다중 엣지 유형 그래프 클러스터링을 위한 가중치 집계 함수 학습

초록

본 논문은 여러 종류의 유사도(엣지 타입)를 갖는 그래프에서, 실제 정답 클러스터링에 가장 잘 맞는 선형 가중치 집계 함수를 자동으로 찾아내는 두 가지 방법을 제안한다. 하나는 역문제 형태로 파라미터를 탐색해 클러스터링 결과가 정답과 일치하도록 하는 것이고, 다른 하나는 정답 클러스터링의 품질을 직접 최대화하도록 가중치를 최적화하는 것이다. 실험은 합성 데이터와 파일 시스템 데이터에 대해 수행했으며, 잡음이 섞인 개별 메트릭만으로는 복원하기 어려운 클러스터 구조를 선형 결합을 통해 성공적으로 재구성함을 보여준다.

상세 분석

이 논문은 “다중 엣지 유형”이라는 새로운 그래프 모델을 도입한다. 전통적인 단일 가중치 그래프와 달리 각 엣지는 K 차원의 실수 벡터 (w_i = (w_i^1,\dots,w_i^K)) 로 표현되며, 이를 하나의 스칼라 가중치로 압축하기 위해 선형 결합 (w_i(\alpha)=\sum_{j=1}^K \alpha_j w_i^j) 을 사용한다. 핵심 문제는 정답 클러스터링 (C^*) 이 주어졌을 때, 어떤 파라미터 (\alpha) 가 “최적”인지 정의하고 찾아내는 것이다.

첫 번째 접근법은 역문제(inverse problem) 방식이다. 임의의 (\alpha) 를 선택해 그래프를 재구성하고, 기존의 단일‑엣지 클러스터링 알고리즘(논문에서는 Graclus)으로 클러스터링을 수행한다. 얻어진 클러스터링 (C(\alpha))와 (C^*) 사이의 변이 정보(VI) 거리를 목적함수로 삼아 (\alpha) 를 최적화한다. 이 방법은 전형적인 블랙‑박스 최적화 형태이며, 클러스터링 알고리즘 자체가 완전 최적을 보장하지 않기 때문에 지역 최적에 빠질 위험이 있다. 또한 매 반복마다 전체 그래프를 다시 클러스터링해야 하므로 계산 비용이 크게 증가한다.

두 번째 접근법은 정답 클러스터링 자체의 품질을 직접 극대화한다. 여기서는 두 가지 하위 목표를 결합한다. (1) 각 정점 (v) 에 대해 “보유력”(holding power) (H_\alpha(v)) 를 정의한다. 이는 (v) 가 속한 클러스터에 대한 총 인접 가중치와 가장 큰 다른 클러스터에 대한 총 인접 가중치의 차이이며, 양수이면 (v) 가 현재 클러스터에 적절히 배치된 것으로 본다. (2) 전체 클러스터링의 전통적인 품질 지표인 모듈러리티(modularity)를 사용한다. 보유력은 이산적인 (H>0) 조건을 부드럽게 만들기 위해 (\arctan(\beta H_\alpha(v))) 함수로 변환하고, 이를 모든 정점에 대해 합산한 값을 첫 번째 목적함수로 삼는다. 두 번째 목적함수는 (\alpha) 에 대한 선형 결합이 아닌 비선형 형태이므로, 단순히 가장 큰 메트릭 하나에 가중치를 할당하는 트리비얼 솔루션을 피할 수 있다.

두 목적함수는 모두 미분 정보가 제공되지 않으므로, 저자들은 파생되지 않은 비선형 최적화 패키지인 HOPSPACK을 이용해 전역 탐색을 수행한다. 실험에서는 합성 그래프(Lancichinetti benchmark)와 실제 파일 시스템 데이터를 사용했으며, 잡음이 섞인 개별 메트릭만으로는 클러스터링 품질이 크게 저하되지만, 최적화된 선형 결합을 통해 거의 모든 정점이 양의 보유력을 갖게 된다. 특히 500~4000 노드 규모의 합성 그래프에서 정답 클러스터링과 거의 일치하는 (\alpha) 를 찾아냈으며, 파일 시스템 실험에서도 시간·디렉터리·부모 관계 메트릭이 주요 기여 요인으로 식별되었다.

이 연구는 (1) 다중 유사도 정보를 하나의 스칼라 가중치로 압축하는 방법론을 제시하고, (2) 정답 클러스터링을 활용해 가중치 집계 함수를 역학습하는 프레임워크를 구축했으며, (3) 비선형 최적화와 부드러운 보유력 함수 도입을 통해 기존 선형 접근법의 트리비얼 솔루션 문제를 극복했다는 점에서 의미가 크다. 다만, 선형 결합 가정 자체가 복잡한 비선형 상호작용을 포착하지 못한다는 한계와, 최적화 비용이 그래프 규모에 따라 급격히 증가한다는 실용적 제약이 남아 있다. 향후 연구에서는 비선형 집계 함수, 스파스 정규화, 그리고 대규모 그래프에 대한 효율적인 근사 최적화 기법을 탐색할 필요가 있다.