콘텐츠와 네트워크 구조를 결합한 정점 후보 지정 기법

초록

본 논문은 일부 흥미로운(예: 범죄 관련) 인물들을 사전에 알고 있을 때, 이들의 통신 기록을 담은 속성 그래프에서 내용(문서 텍스트)과 맥락(통신 네트워크)을 동시에 활용해 아직 알려지지 않은 흥미로운 인물을 후보로 지명하는 방법을 제시한다. Enron 이메일 데이터를 실험에 사용했으며, 내용·맥락을 통합한 모델이 각각 단독으로 사용할 때보다 정밀도·재현율 등 IR 지표에서 우수함을 보였다.

상세 요약

이 연구는 “정점 후보 지정(vertex nomination)”이라는 문제를 정의하고, 기존의 정점 분류(vertex classification)와는 달리 “관심 정점 집합(seed set)”이 주어졌을 때, 나머지 정점 중에서 추가적인 관심 정점을 찾아내는 과제를 다룬다. 핵심 아이디어는 두 가지 정보원을 결합하는 것이다. 첫 번째는 콘텐츠(content), 즉 두 정점 사이의 통신에 포함된 문서(예: 이메일 본문)에서 추출한 텍스트 특징이다. 여기서는 TF‑IDF, 토픽 모델링(LDA) 등 전통적인 자연어 처리 기법을 이용해 각 엣지에 대한 의미적 벡터를 만든다. 두 번째는 맥락(context), 즉 그래프 구조 자체에서 파생되는 정점 간 연결성, 공동 이웃, 중심성, 커뮤니티 소속 등이다. 맥락 정보는 그래프 기반의 전이 확률, 랜덤 워크, 혹은 그래프 신경망(GNN) 형태로 모델링된다.

논문은 두 정보를 통합 모델으로 결합한다. 구체적으로, 각 엣지에 대해 콘텐츠 기반 가중치와 구조 기반 가중치를 선형 결합하거나, 베이지안 프레임워크 안에서 사전 확률로 활용한다. 이렇게 얻어진 엣지 가중치는 정점 간 유사도 행렬을 구성하고, seed set에 대한 라벨 전파(label propagation) 혹은 확률적 순위 매김(probabilistic ranking) 과정을 통해 후보 정점들의 “흥미도 점수”를 산출한다.

실험에서는 Enron 이메일 코퍼스를 사용했으며, 사기와 연관된 몇몇 직원(known fraudsters)을 seed set으로 지정한다. 각 이메일은 송신자‑수신자 쌍을 엣지로, 이메일 본문을 콘텐츠로 매핑한다. 실험 결과는 세 가지 비교군을 제시한다. (1) 콘텐츠 전용 모델 – 텍스트 유사도만 이용, (2) 맥락 전용 모델 – 그래프 구조만 이용, (3) 통합 모델 – 두 정보를 결합. 정량적 평가는 평균 정밀도@k, MAP, NDCG 등 표준 IR 지표를 사용했으며, 통합 모델이 다른 두 모델에 비해 10~15% 정도의 성능 향상을 보였다. 특히, 사기자들이 서로 빈번히 교류하면서도 비사기자와도 다수의 교류를 갖는 경우, 콘텐츠만으로는 구분이 어려운 반면, 구조적 패턴(예: 특정 서브그래프 내 고밀도 연결)과 결합했을 때 정확도가 크게 상승한다는 점이 강조된다.

이 논문의 주요 기여는 다음과 같다. 첫째, 정점 후보 지정 문제를 내용-맥락 융합이라는 새로운 관점에서 공식화하였다. 둘째, 속성 그래프에서 엣지에 부착된 텍스트 데이터를 활용하는 구체적 방법론을 제시하고, 이를 베이지안 라벨 전파와 결합한 알고리즘을 설계하였다. 셋째, 실제 대규모 기업 이메일 데이터에 적용해 실용성을 검증했으며, 사기 탐지와 같은 보안·수사 분야에 직접적인 활용 가능성을 보여준다. 마지막으로, 실험 결과는 단일 정보원에 의존하는 기존 접근법이 놓칠 수 있는 미묘한 패턴을 복합 정보가 어떻게 보완하는지를 실증적으로 입증한다. 향후 연구에서는 더 정교한 딥러닝 기반 텍스트 인코더와 그래프 신경망을 결합하거나, 시간적 동역학(시계열) 요소를 포함해 동적 네트워크에서의 후보 지정 성능을 향상시킬 여지가 있다.