지오프로테인 그래프 모델과 온라인 소셜 네트워크 차원 분석

초록

본 논문은 온라인 소셜 네트워크(OSN)를 유클리드 공간에 임베딩하고, 노드의 순위와 거리 기반 확률 규칙을 결합한 지오프로테인(GEO‑P) 모델을 제안한다. 모델은 높은 차수의 멱법칙, 작은 세계, 그래프 밀도화, 그리고 낮은 스펙트럴 확장을 동시에 만족한다는 이론적 증명을 제공한다. 또한 실제 OSN 데이터를 이용해 모델 차원을 추정하고, 링크 구조만으로 사용자 속성을 추론하는 가능성을 논의한다.

상세 분석

GEO‑P 모델은 n개의 정점이 m‑차원 단위 초입방체(S) 안에 균일하게 배치된다고 가정한다. 각 정점은 1부터 n까지의 고유 순위를 갖으며, 순위가 높을수록(값이 작을수록) 더 큰 영향 영역을 가진다. 영향 영역의 부피는 r(v,t)‑αn‑β 로 정의되며, 여기서 α∈(0,1), β∈(0,1‑α) 는 모델 파라미터이다. 매 시간 단계마다 새로운 정점이 무작위로 추가되고, 기존 정점 중 영향 영역에 들어오는 경우 연결 확률 p∈(0,1] 로 간선이 생성된다. 동시에 무작위 정점 하나가 삭제되어 정점 수는 일정하게 유지된다. 이 과정은 에르고딕 마코프 체인으로 수렴하며, 정점 순위는 랜덤 초기화 후 재조정된다.

주요 정리들은 다음과 같다. 첫째, 정점 차수 분포는 N_k ∝ k^{‑(1+1/α)} 형태의 멱법칙을 따르며, α가 작을수록 꼬리가 두꺼워진다. 둘째, 평균 차수 d≈p·n^{1‑α‑β} 로, n이 커짐에 따라 평균 차수가 무한히 증가해 그래프 밀도화 파워 법칙을 만족한다. 셋째, 그래프 직경 D는 D=Θ( n^{β(1‑α)/m}·log^{O(1)} n ) 로, 차원 m을 로그 스케일로 증가시키면 직경을 상수 수준으로 억제할 수 있다. 넷째, 클러스터링 계수 c(G)는 무작위 그래프 G(n,d/n) 대비 크게 향상되며, 특히 m이 (1‑α‑β)·log n·log log n 이하일 때 c(G)≈(3/4)·p·(1‑α)^{(1‑α)/(1+α)}·m^{‑(1‑α)/(1+α)} 로 근사된다. 마지막으로, 스펙트럴 갭(첫 번째와 두 번째 고유값 차이)이 작아 “나쁜” 스펙트럴 확장을 보이며, 이는 실제 OSN이 커뮤니티 구조를 갖는 현상을 반영한다.

이러한 특성들을 종합하면 GEO‑P 모델은 기존의 선호 연결 모델이나 단순 기하학적 모델이 놓친 OSN 고유의 복합적 현상을 동시에 재현한다는 점에서 의미가 크다. 특히 차원 m을 실제 네트워크의 통계량(노드 수, 평균 차수, 직경, 멱법칙 지수)으로부터 역산하는 방법을 제시함으로써, “네트워크 차원”이라는 새로운 정량적 지표를 도입한다. 이는 사용자 속성(예: 지역, 관심사)을 고차원 공간에 매핑하고, 링크 구조만으로도 유사 속성을 가진 집단을 식별할 수 있는 가능성을 열어준다.