정보 확산 기반 통계 모델링으로 네트워크 커뮤니티 탐지

본 논문은 네트워크 커뮤니티 탐지 분야에서 기존의 휴리스틱 기반 방법이 갖는 계산 복잡도, 해상도 한계, 그리고 모델링 가정 부재 문제를 해결하고자 새로운 통계 모델링 접근법을 제안한다. 먼저 서론에서는 네트워크 내 동질적인 정점 집단(커뮤니티)의 존재와 이를 자동으로 식별하는 필요성을 강조하고, 기존 연구들을 크게 두 축으로 나눈다. 첫 번째는 Edge Betweenness, Modularity Maximization, Walktrap 등과 같은 휴리스틱 알고리즘이며, 두 번째는 Stochastic Block Model(SBM)과 그 변형인 Mixed Membership SBM, Infinite Relational Model 등 잠재 변수 기반 모델이다. 휴리스틱 방법은 직관적이지만 계산량이 많고 해상도 제한이 존재하며, 잠재 변수 모델은 이론적 정당성을 제공하지만 정점 간 연결 메커니즘을 충분히 설명하지 못한다는 비판을 제시한다. 본 논문의 핵심 기여는 두 가지이다. 첫째, 정점의 잠재 변수를 1차원 원형 공간 Θ=