경쟁을 고려한 잠재 속성 네트워크 모델

초록

본 논문은 노드가 보유한 이진 속성(특징)과 각 노드의 “적합도”(fitness) 파라미터를 결합한 새로운 네트워크 생성 모델을 제안한다. 속성은 인디언 뷔페(Indian Buffet) 과정의 확장 형태로 생성되며, 적합도가 높은 노드는 자신의 속성을 더 많이 전파한다. 모델은 두 개의 핵심 파라미터 α와 β로 제어되며, β는 전체 속성 수의 파워‑법 지수를, α는 신규 속성의 평균 개수를 결정한다. 이론적 분석과 시뮬레이션을 통해 차수 분포, 클러스터링, 거리 분포 등 실제 복합 네트워크의 주요 특성을 재현함을 보인다.

상세 분석

논문은 복합 네트워크를 설명하기 위해 두 가지 메커니즘을 결합한 새로운 프레임워크를 제시한다. 첫 번째는 노드‑속성 이중 구조를 가정하는 것으로, 각 노드는 유한 개의 이진 속성을 가지고 있으며 두 노드 사이의 연결 확률은 공유 속성의 수에 의존한다. 두 번째는 “적합도”(fitness) 파라미터 Rₙ을 도입해 노드 간 경쟁을 모델링한다. 적합도가 큰 노드는 자신의 속성을 새로운 노드에게 전파할 확률이 높아지므로, 단순히 네트워크에 오래 머문 노드만이 높은 차수를 갖는 기존의 선호적 연결 모델과 달리, 신생 노드도 높은 차수를 획득할 수 있다.

속성 생성 과정은 인디언 뷔페 과정의 변형으로, 초기 노드 1은 Poisson(α) 분포에 따라 N₁개의 새로운 속성을 만든다. 이후 n번째 노드가 등장하면, 기존 속성 집합 Sₙ 중 각 속성 k를 선택할 확률은
Pₙ(k)= (∑{i=1}^{n} R_i Z{i,k}) / (∑{i=1}^{n} R_i)
이며, 이는 각 속성에 부여된 “무게”(R_i의 합)와 직접 비례한다. 선택된 기존 속성 외에도, 노드 n은 Poisson(Λₙ) 분포에 따라 새로운 속성을 추가한다. 여기서 Λₙ = α (∑{i=1}^{n} R_i)^{1−β} 로 정의되어 β가 0이면 로그 성장, 0<β≤1이면 파워‑법 성장(Lₙ∝n^β)을 유도한다.

이론적 결과로는 Theorem 2.1이 핵심이다. β<0이면 전체 속성 수가 유한하게 수렴하고, β=0이면 Lₙ/ln n → α/𝔼