전기회로 이론 기반 사회 영향 모델

초록

본 논문은 전기회로 이론을 활용해 사회 네트워크에서 정보 전파와 영향력 측정을 효율적으로 모델링한다. 회로의 전압·전류 관계를 노드 간 영향력의 강도와 결합 효과에 매핑함으로써, 기존 확산 모델이 갖는 계산 복잡성을 크게 낮춘다. 또한, 이 모델을 기반으로 한 영향력 최대화 알고리즘은 실험에서 최신 기법들을 능가하며, 대규모 네트워크에서도 실용적인 실행 시간을 보인다.

상세 분석

이 연구는 사회 네트워크에서 “누가 누구에게 얼마나 강하게 영향을 미치는가”라는 기본 질문을 전기회로의 라플라스 방정식과 옴의 법칙에 대응시켜 새로운 수학적 프레임워크를 제시한다. 구체적으로, 각 사용자(노드)를 전기 회로의 전위(전압)로, 두 노드 사이의 친밀도·연결 강도를 전도(전도도)로 정의한다. 이렇게 하면 네트워크 전체에 전류가 흐르는 물리적 현상을 시뮬레이션함으로써, 특정 노드에서 시작된 “전압”이 다른 노드에 도달하는 과정이 정보 전파와 동일시된다.

핵심적인 수식 전개는 Kirchhoff’s Current Law(KCL)을 이용해 각 노드의 전위 균형 방정식을 구성하고, 이를 행렬 형태인 L·v = b 로 표현한다. 여기서 L은 그래프 라플라시안 행렬, v는 노드 전위 벡터, b는 외부 입력(시드 노드)의 전류원 벡터이다. 라플라시안 행렬은 기존 영향력 모델에서 사용되는 전이 행렬과 유사하지만, 전도도(가중치)를 직접 반영함으로써 복합적인 다중 인접 노드의 결합 효과를 자연스럽게 포함한다.

이 접근법의 장점은 두 가지로 요약된다. 첫째, 라플라시안 행렬의 역행렬(또는 의사역행렬) 계산을 통해 모든 노드 쌍 간의 영향력 강도를 한 번에 구할 수 있다. 기존의 독립적인 시뮬레이션 방식은 시드 노드마다 전파 과정을 반복해야 했지만, 전기 회로 해법은 선형 시스템을 한 번 풀면 전체 쌍에 대한 결과를 얻는다. 둘째, 전압·전류의 물리적 해석이 직관적이라 모델 파라미터(전도도, 저항 등)를 실제 사회적 관계(친밀도, 신뢰도, 상호작용 빈도)와 매핑하기 쉽다. 따라서 모델을 실제 데이터에 맞추는 과정이 명확하고, 파라미터 튜닝이 과학적 근거를 갖는다.

영향력 최대화 문제에 대해서는, 전압이 높은 노드들을 시드 집합으로 선택하면 전체 네트워크에 전달되는 전류(총 영향력)가 최대화된다는 직관적 해석을 제공한다. 이를 기반으로 저비용의 그리디 알고리즘과 라플라시안 기반의 근사 기법을 결합한 최적화 절차를 설계했으며, 실험 결과는 기존의 Independent Cascade(IC)·Linear Threshold(LT) 모델 기반 방법들보다 높은 영향력 커버리지를 달성하면서도 연산량이 1~2 orders of magnitude 감소함을 보여준다.

또한, 논문은 모델의 확장성을 논의한다. 전도도 행렬에 시간 가중치나 컨텍스트(예: 주제, 지역)별 가중치를 삽입하면 동적·다중층 네트워크에서도 동일한 회로 해법을 적용할 수 있다. 이는 기존의 정적 그래프 기반 모델이 갖는 한계를 극복하고, 실시간 소셜 미디어 스트림이나 모바일 네트워크와 같은 복합 환경에서도 활용 가능함을 시사한다.

전반적으로, 전기회로 이론을 사회 영향 모델에 적용한 이 접근법은 수학적 엄밀성, 계산 효율성, 그리고 해석적 직관성을 동시에 만족시키는 혁신적인 프레임워크라 할 수 있다.