협력‑경쟁 네트워크에서 핵심 서브그래프의 실증 분석

초록

본 논문은 복합 네트워크에서 가장 기본적인 서브그래프인 dyad(두 정점)와 triad(세 정점)의 “활동 차수”(참여한 활동·이벤트·조직 수)를 조사한다. 실증 결과, 다양한 현실 시스템에서 dyad·triad의 활동 차수 분포가 α와 γ라는 상수를 갖는 “시프트된 파워법칙”(Shifted Power Law, SPL) 형태를 따름을 확인하였다. 또한 분포의 불균형 정도를 나타내는 이질성 지수 H를 정의하고, H와 SPL 파라미터 α, γ 사이의 정량적 관계를 이론적으로 도출하였다. 네 개의 실제 데이터(중국 기차 조직, 대학 입시, 세계 언어, 침술 경혈)에서 위 결과를 검증하였다.

상세 분석

이 연구는 복합 네트워크를 bipartite 형태(행위자‑행위)로 모델링하고, 두 종류의 기본 서브그래프인 dyad와 triad에 대해 “활동 차수”(act degree)를 정의한다. 활동 차수 D(또는 T)는 해당 dyad·triad가 동시에 참여한 행위(예: 공동 수강 과목, 공동 경쟁 프로젝트 등)의 개수이며, 이는 기존의 정점 차수와는 별개의 2‑차·3‑차 구조적 특성이다. 논문은 먼저 활동 차수 분포 P(q) 를 관찰했으며, 대부분의 실험 데이터에서 P(q)≈α·(q+α)^{‑γ} 형태의 시프트된 파워법칙(SPL)이 나타났다. 여기서 α는 시프트 파라미터(0≤α≤1), γ는 꼬리 지수이며, α가 0이면 순수 파워법칙, α가 1에 가까우면 지수형에 가까워진다.

이질성 지수 H는 정규화된 활동 차수 순서열을 x=i/N, y(i)=∑_{j≤i}d_j/N 로 매핑한 뒤, 대각선(완전 균등)과 실제 누적곡선 사이의 면적 비율로 정의된다. 구체적으로 H= S_A/(S_A+S_B)=1−2S_B이며, S_B는 대각선 아래의 면적이다. H=0이면 완전 균등, H=1이면 완전 집중을 의미한다. 저자는 정규화된 차수 분포가 SPL일 때, H와 α, γ 사이에 H≈(γ−2)/(γ−1)·α/(1+α) 와 같은 근사식을 유도하였다. 이는 α·γ가 클수록 이질성이 커짐을 수식적으로 설명한다.

실증 부분에서는 네 개의 서로 다른 협력‑경쟁 시스템을 분석하였다. (1) 중국 기차 조직 네트워크: 각 기차 조직을 행위자, 공동 운행 노선을 행위로 두어 dyad·triad 활동 차수를 계산. (2) 중국 대학 입시 네트워크: 중고등학교와 대학을 행위자, 공동 지원 전형을 행위로 설정. (3) 세계 언어 네트워크: 언어를 행위자, 동일 국가 내 다언어 사용을 행위로 정의. (4) 침술 경혈 네트워크: 경혈을 행위자, 동일 질병 치료에 사용되는 경혈 집합을 행위로 사용. 모든 경우에서 활동 차수 분포가 SPL에 잘 맞으며, 추정된 α, γ 값은 데이터마다 차이를 보이지만 1.22.5 사이의 γ와 0.10.7 사이의 α를 갖는다.

각 데이터셋에 대해 H 값을 계산하면, 기차 조직과 대학 입시에서는 중간 정도의 이질성(H≈0.350.48), 언어와 경혈에서는 매우 낮은 이질성(H≈0.080.12)으로 나타났다. 이는 언어와 경혈이 비교적 균등하게 여러 행위에 참여하는 반면, 기차 조직과 대학 입시에서는 특정 dyad·triad가 다수의 행위에 집중되는 경향을 의미한다. 또한, 이론적으로 도출한 H–α–γ 관계식이 실험값과 좋은 일치도를 보이며, SPL 파라미터만으로도 네트워크 내 서브그래프의 불균형 정도를 예측할 수 있음을 입증한다.

논문은 마지막에 이 결과가 복합 시스템의 구조적 취약성·강인성 분석, 자원 배분 최적화, 그리고 네트워크 기반 정책 설계 등에 활용될 수 있음을 제시한다. 또한, dyad·triad 외에도 더 큰 k‑subgraph에 대한 확장 가능성을 언급하며, 향후 연구 방향을 제시한다.