통합 커뮤니티 탐지 시각화 분석 방법

본 논문은 최근 소셜 네트워크와 같은 복합 데이터에서 커뮤니티 탐지의 중요성이 커지고 있음에도 불구하고, 기존 연구가 주로 단일(unipartite) 그래프와 파티션(partition) 형태의 커뮤니티에 초점을 맞추어 왔다는 점을 지적한다. 특히 이분(bipartite) 그래프, 방향성(directed) 그래프, 그리고 겹침(overlapping) 커뮤니티를 동시에 다루는 연구는 아직 드물다. 이러한 배경에서 저자들은 세 종류의 그래프(단일, 이분, 방향성)를 모두 포괄하고, 파티션과 겹침 커뮤니티를 동시에 표현할 수 있는 통합 방법론을 제안한다. **1. 이론적 기반** 핵심 아이디어는 뉴먼 모듈러티(Modularity)를 이분 그래프에 직접 적용하는 것이다. 이분 그래프 G = (U, V, E)의 바이애드인시 행렬 B를 정의하고, 이를 이용해 오프다이아고날 블록 행렬 A₀ =