복잡 네트워크에서 신호 전달을 이용한 커뮤니티 탐지

초록

본 논문은 네트워크의 각 노드를 신호를 보내고 받는 시스템으로 가정하고, 하나씩 신호원을 지정해 전체 네트워크에 퍼지는 과정을 기록한다. 각 노드에 대해 얻어진 n차원 벡터를 클러스터링하면, 가중치와 무가중치 네트워크 모두에서 별도의 파라미터 없이 커뮤니티 구조를 추출할 수 있다. 실험 결과는 기존 방법들과 비교해 높은 정확도를 보인다.

상세 분석

이 연구는 복잡 네트워크의 구조적 정보를 고차원 유클리드 공간으로 매핑하는 새로운 프레임워크를 제시한다. 구체적으로, n개의 노드를 가진 그래프 G=(V,E)에서 각 노드 v_i를 독립적인 신호 발생원으로 설정한다. 초기 단계에서 v_i에 단위 신호를 부여하고, 인접 노드에게 전파되는 강도는 인접 행렬 A의 원소값(가중치 네트워크의 경우 가중치, 무가중치의 경우 0/1)과 동일하게 정의한다. 신호는 시간 t=1,2,… 에 걸쳐 반복적으로 전파되며, 각 단계에서 현재 신호 벡터 s(t) = A·s(t‑1) 로 업데이트된다. 충분히 큰 t에 도달하면 신호는 네트워크 전역에 퍼져 각 노드가 받는 최종 신호량을 기록한다. 이때 v_i에 대한 최종 신호 분포를 n차원 벡터 x_i =