별도 교환가능 네트워크 데이터의 공동 클러스터링

초록

본 논문은 별도 교환가능(separately exchangeable)이라는 최소 가정만을 두고, 이진 배열을 두 축으로 동시에 군집화(co‑clustering)하는 문제에 대해 확률적 블록모델(stochastic blockmodel, SBM)의 성능을 이론적으로 분석한다. 프로파일 우도 최대화와 평균제곱오차 최소화 두 방법에 대해 오라클 부등식과 $O_P(n^{-1/4})$ 수렴 속도를 제시하고, 블록모델이 비모수적 생성 모델을 최적의 구간 상수 근사로 구현함을 보인다. 또한 대규모 표본에서 발견된 공동 클러스터는 근원 생성 과정에도 동등 크기와 동일한 연결 구조를 가진 클러스터가 존재함을 높은 확률로 보장한다.

상세 분석

이 논문은 네트워크 데이터의 비대칭 구조를 동시에 두 차원에서 군집화하는 공동 클러스터링(co‑clustering) 문제를 다룬다. 핵심 가정은 데이터 행과 열이 각각 별도 교환가능(separately exchangeable)이라는 점이다. 즉, 행 순열과 열 순열을 독립적으로 적용해도 전체 배열의 분포가 변하지 않는다. 이 가정은 Aldous–Hoover 정리의 이산형 버전과 일치하며, 비모수적 그래프온도(graphon) 모델을 일반화한다. 저자들은 이러한 최소 가정 하에서 확률적 블록모델(SBM)을 근사 모델로 채택한다. SBM은 $K$개의 행 클러스터와 $L$개의 열 클러스터를 정의하고, 각 블록마다 동일한 연결 확률을 부여한다.

먼저 프로파일 우도(profile likelihood)를 최대화하는 추정법을 고려한다. 이때 관측된 이진 배열을 주어진 클러스터 할당에 대해 블록별 평균 연결 확률로 대체하고, 그 우도를 최적화한다. 저자들은 이 추정법이 실제 비모수적 생성 함수 $f$에 대한 최소 평균제곱오차(MSE)와 거의 동일한 오라클 위험을 달성함을 보이며, 그 차이는 $O_P(n^{-1/4})$ 수준으로 수렴한다. 이는 기존의 $n^{-1/2}$보다 느리지만, 별도 교환가능이라는 약한 가정 하에서는 최적에 가까운 속도임을 의미한다.

다음으로 직접 평균제곱오차를 최소화하는 방법을 분석한다. 이 경우 클러스터 할당을 선택해 블록 평균이 원본 배열과 최소 MSE를 이루도록 한다. 두 방법 모두 동일한 오라클 부등식을 만족하고, 최적 클러스터 수 $(K,L)$를 적절히 선택하면 과적합을 방지하면서도 근본적인 구조를 포착한다.

또한 저자들은 블록모델이 비모수적 그래프온에 대한 최적의 구간 상수 근사임을 정량적으로 증명한다. 즉, $f$를 $K\times L$ 사각형으로 분할하고 각 사각형 내부를 평균값으로 대체하는 것이 $L_2$ 거리에서 최소화된다는 것이다. 이 해석은 블록모델이 단순히 경험적 모델이 아니라, 근본적인 함수 근사 이론에 기반한 최적화 도구임을 강조한다.

마지막으로 대규모 표본에서 발견된 공동 클러스터가 실제 생성 과정에도 존재한다는 정리를 제시한다. 구체적으로, 관측된 배열에서 $K$와 $L$ 크기의 균등 클러스터가 식별되면, 원본 그래프온 $f$에도 거의 동일한 크기와 연결 구조를 가진 클러스터가 존재함을 확률적으로 보장한다. 이는 실험적 탐색이 이론적 구조 발견과 일치함을 의미하며, 네트워크 과학에서 의미 있는 패턴을 신뢰할 수 있게 만든다.