그리디 클리크 확장을 통한 고중첩 커뮤니티 탐지

초록

본 논문은 노드가 다중 커뮤니티에 속하는 고중첩 네트워크를 위해, 클리크를 씨앗으로 삼아 지역 적합도 함수를 탐욕적으로 최적화하는 Greedy Clique Expansion(GCE) 알고리즘을 제안한다. 합성 그래프와 실제 단백질 상호작용·페이스북 데이터에 대한 광범위한 실험을 통해, 기존 방법들이 중첩 정도가 높아질 때 성능이 급격히 떨어지는 반면 GCE는 일관된 높은 정확도를 유지함을 입증한다.

상세 분석

GCE 알고리즘은 먼저 그래프에서 “maximal clique”(확장 불가능한 완전 부분그래프)를 찾아 이를 초기 씨앗 집합으로 설정한다. 이러한 클리크는 고밀도 구조를 보유하고 있어, 실제 커뮤니티의 핵심을 잘 대표한다는 가정에 기반한다. 이후 각 씨앗에 대해 지역 적합도 함수(Fitness)를 정의한다. 적합도는 씨앗 집합 S에 포함된 내부 연결 수와 외부 연결 수의 비율을 활용한 식으로, S가 커질수록 내부 결합이 강하고 외부와의 경계가 약해질 때 값이 증가한다. 탐욕적 확장은 현재 적합도를 최대화하는 노드를 하나씩 추가하거나 제거하는 과정을 반복한다. 이때, 이미 다른 커뮤니티에 속한 노드라도 추가가 적합도 향상에 기여하면 허용되므로, 다중 소속이 자연스럽게 반영된다.

알고리즘의 핵심 장점은 두 가지이다. 첫째, 클리크 기반 씨앗 선택은 초기화 단계에서 높은 품질의 후보를 제공함으로써 전역 최적해에 가까운 지역 최적화를 가능하게 한다. 둘째, 적합도 함수가 완전하게 로컬 정보를 사용하므로, 전체 그래프를 반복적으로 스캔할 필요가 없어 확장성이 뛰어나다. 시간 복잡도는 초기 클리크 탐색에 O(m·Δ) 정도(Δ는 최대 차수)이고, 이후 확장은 각 노드당 평균적으로 상수 횟수의 연산만을 요구한다.

벤치마크에서는 LFR(Lancichinetti–Fortunato–Radicchi) 모델을 이용해 노드당 평균 커뮤니티 수를 1~5까지 변화시킨다. 기존 알고리즘인 CPM, OSLOM, COPRA 등은 중첩 정도가 2를 초과하면 NMI(정규화된 상호정보) 점수가 급격히 하락하지만, GCE는 5까지도 0.8 이상을 유지한다. 또한, 그래프 밀도와 평균 차수가 변해도 성능 저하가 거의 없으며, 특히 “오버랩 비율”이 80%에 달하는 극단적 상황에서도 유의미한 커뮤니티 구조를 복원한다.

실제 데이터 적용에서는 인간 단백질 상호작용 네트워크와 페이스북 대학 기숙사 네트워크를 분석한다. 단백질 네트워크에서는 기능적 모듈(예: 복합체, 경로)과의 일치도를 평가하기 위해 GO(Gene Ontology) 풍부도 분석을 수행했으며, GCE가 다른 방법보다 높은 p‑값 개선을 보였다. 페이스북 데이터에서는 기숙사 라벨과의 정합도를 측정했을 때, 다중 라벨(학생이 여러 기숙사 활동에 참여) 상황에서도 정확도가 0.73으로 가장 높았다. 이러한 결과는 GCE가 실제 사회·생물학적 시스템에서 나타나는 복잡한 다중 소속 현상을 효과적으로 포착한다는 것을 시사한다.

한계점으로는 초기 클리크 탐색 단계가 그래프가 매우 희소하거나 클리크가 거의 존재하지 않을 경우 씨앗 후보가 부족해 성능이 저하될 수 있다. 또한, 적합도 함수의 파라미터(예: α) 선택이 데이터 특성에 따라 민감하게 작용할 수 있어, 자동 튜닝 메커니즘이 필요하다. 향후 연구에서는 동적 네트워크에 대한 확장, 그리고 비정규화된 가중치 그래프에 대한 적합도 함수의 일반화가 제안된다.