입자 상호작용 기반 데이터 클러스터링 프레임워크

초록

본 논문은 데이터셋을 입자 시스템으로 모델링하고, 가우시안 포텐셜을 이용해 입자 간 상호작용을 정의한다. 파라미터에 따라 포텐셜의 폭을 조절함으로써 다중 해상도 클러스터링을 수행하고, 커뮤니티 탐지 알고리즘을 반복 적용해 다양한 파티션을 얻는다. 합성 및 실제 데이터 실험을 통해 최적 군집 수를 식별하는 데 유용함을 보였다.

상세 분석

이 연구는 데이터 포인트를 물리학의 입자에 비유하고, 각 입자 사이의 상호작용을 다변량 가우시안 함수로 표현한다는 독창적인 접근을 취한다. 구체적으로, 데이터 집합 (X={x_i}{i=1}^N)에 대해 두 점 (x_i, x_j) 사이의 거리 (d{ij})를 계산하고, 이를 가우시안 커널 (K_{ij}(\sigma)=\exp(-d_{ij}^2/2\sigma^2)) 로 변환한다. 여기서 (\sigma)는 포텐셜의 폭을 조절하는 스케일 파라미터이며, 값이 작을수록 근접한 이웃만 강하게 연결되고, 값이 클수록 장거리 연결이 강화된다. 이렇게 얻어진 행렬은 가중치 인접 행렬로 해석되어, 그래프 기반 커뮤니티 탐지 알고리즘(예: Louvain, Infomap 등)에 입력된다.

핵심 아이디어는 (\sigma)를 여러 값으로 스캔하면서 동일 데이터에 대해 다중 해상도의 군집 구조를 탐색한다는 점이다. 작은 (\sigma)에서는 미세한 지역 클러스터가 드러나고, 큰 (\sigma)에서는 보다 거시적인 군집이 형성된다. 각 해상도에서 얻어진 파티션을 비교·분석함으로써, 군집 수와 형태에 대한 안정성을 평가하고, 최적의 (\sigma)값을 선택할 근거를 제공한다.

알고리즘 흐름은 다음과 같다. 1) 데이터 전처리 및 거리 행렬 계산, 2) 사전 정의된 (\sigma) 집합에 대해 가우시안 커널 적용 → 가중치 인접 행렬 생성, 3) 각 인접 행렬에 대해 동일한 커뮤니티 탐지 알고리즘 실행, 4) 얻어진 파티션들의 모듈러리티, 엔트로피, 군집 크기 분포 등을 메트릭으로 정량화, 5) 메트릭 변화를 기반으로 최적 해상도 선택.

실험에서는 표준 합성 데이터(예: 두 개의 가우시안 클러스터, 원형 링 구조)와 실제 데이터(예: 이미지 피처, 유전자 발현) 모두에 적용하였다. 합성 데이터에서는 (\sigma) 변화에 따라 예상된 군집 전이(단일 클러스터 → 두 개의 클러스터 → 다중 서브클러스터)가 명확히 관찰되었으며, 메트릭 곡선에 반복적인 패턴이 나타나 최적 (\sigma)를 자동으로 추정할 수 있었다. 실제 데이터에서는 기존 k‑means나 DBSCAN과 비교했을 때, 잡음에 강하고 비구형 군집을 효과적으로 분리하는 장점이 확인되었다.

이 프레임워크의 장점은 (1) 파라미터 (\sigma) 하나만으로 다중 해상도 분석이 가능하다는 점, (2) 그래프 기반 커뮤니티 탐지 알고리즘의 풍부한 이론적 기반을 그대로 활용할 수 있다는 점, (3) 가우시안 포텐셜이 거리 기반 유사성을 자연스럽게 매핑하므로 고차원 데이터에서도 직관적인 해석이 가능하다는 점이다. 반면, (\sigma) 탐색 범위와 스텝 선택이 결과에 민감할 수 있으며, 대규모 데이터셋에서는 모든 (\sigma)에 대해 그래프를 재구성하고 커뮤니티 탐지를 수행하는 비용이 높아지는 것이 단점으로 지적된다. 향후 연구에서는 자동 (\sigma) 선택을 위한 베이지안 최적화나, 희소 그래프 근사 기법을 도입해 계산 효율성을 개선할 여지가 있다.