그래프 샘플링을 통한 거시 토폴로지 추정

초록

본 논문은 온라인 네트워크에서 노드의 확률 표본을 이용해 카테고리별 노드 수와 카테고리 간 연결 확률, 즉 가중치가 부여된 ‘카테고리 그래프’를 효율적으로 추정하는 방법을 제시한다. 두 가지 측정 전략(유도 서브그래프 샘플링, 스타 샘플링)과 균등·비균등 샘플링을 모두 다루며, 제안된 추정량들의 일관성(consistent)과 실험적 효율성을 검증한다. 페이스북 데이터에 적용해 대학·국가 간 친밀도 그래프를 구축하고, 시각화 서비스를 공개하였다.

상세 분석

이 연구는 기존 그래프 샘플링 연구가 주로 노드 수준의 로컬 특성(예: 차수 분포, 속성 빈도) 추정에 초점을 맞춘 반면, 전역적인 토폴로지, 특히 카테고리 수준의 거시 구조를 어떻게 복원할 수 있는지를 탐구한다. 저자들은 원 그래프 G의 노드들을 사전 정의된 카테고리 집합 C(예: 국가, 대학)로 분할하고, 각 카테고리를 하나의 메타노드로 하는 ‘카테고리 그래프’ G_C를 정의한다. 여기서 메타노드 간 가중치 w(A,B)는 카테고리 A와 B 사이에 존재하는 실제 에지 수 |E_{A,B}|를 |A|·|B| 로 정규화한 확률값으로, 두 카테고리 사이의 연결 밀도를 직관적으로 나타낸다.

표본 S⊂V를 통해 G_C를 추정하는데, 두 가지 관측 모델을 제시한다. 첫 번째는 ‘유도 서브그래프 샘플링’으로, 표본에 포함된 노드들 간에 실제 존재하는 에지만을 관찰한다. 두 번째는 ‘스타 샘플링’으로, 표본 노드의 이웃 카테고리 정보를 모두 수집함으로써 표본 노드와 그 이웃 사이의 모든 에지를 활용한다. 스타 샘플링은 실제로는 이웃의 정체성을 알 필요 없이 카테고리 라벨만 알면 되므로, 데이터 수집 비용이 크게 증가하지 않는다.

추정 방법론은 설계 기반(design‑based) 접근을 채택한다. 균등 독립 샘플링(UIS)과 가중치 독립 샘플링(WIS) 두 경우에 대해 각각 카테고리 크기 |A|와 가중치 w(A,B)를 추정하는 식을 도출한다. 예를 들어, UIS에서 유도 서브그래프 샘플링을 사용할 경우 |A|는 N·|S_A|/|S| 로 간단히 추정된다(N은 전체 노드 수). 반면 스타 샘플링에서는 평균 차수 k_A와 전체 평균 차수 k_V를 이용해 |A|=N·(vol_A/vol_V)·(k_V/k_A) 형태로 추정한다. 여기서 vol_A는 카테고리 A의 부피(노드 수·평균 차수)이며, 부피는 스타 샘플링을 통해 직접 관측된 이웃 수의 합으로 효율적으로 추정된다.

가중치 w(A,B) 추정 역시 유도 서브그래프와 스타 샘플링에 따라 서로 다른 분모를 사용한다. 유도 서브그래프에서는 관측된 에지 수를 |S_A|·|S_B| 로 나누고, 스타 샘플링에서는 관측된 에지 수를 |S_A|·|B̂|+|S_B|·|Â| 로 정규화한다(̂는 추정값). 이러한 식들은 모두 표본 크기가 커질수록 실제 값에 수렴함을 증명했으며, 특히 스타 샘플링은 평균 차수가 큰 카테고리에서 정보 효율이 크게 향상된다는 실험적 결과를 보인다.

시뮬레이션에서는 합성 그래프와 실제 SNS 데이터(예: Facebook)를 사용해 다양한 네트워크 밀도·구조에서 추정기의 편향과 분산을 비교했다. 결과는 스타 샘플링 기반 추정기가 전반적으로 낮은 평균 제곱오차(MSE)를 보이며, 특히 비균등 샘플링(WIS) 상황에서도 견고함을 유지한다는 점을 강조한다. 마지막으로, 저자들은 Facebook 사용자 표본을 통해 대학 간, 국가 간 친밀도 그래프를 구축하고, 이를 웹 기반 시각화 플랫폼(geosocialmap.com)에서 공개함으로써 연구 결과의 실용성을 입증했다.