정도 보정 확률 블록 모델에서 커뮤니티 탐지 일관성

본 논문은 네트워크 과학에서 핵심적인 문제인 커뮤니티 탐지를 확률적 모델링 관점에서 재조명한다. 전통적인 확률 블록 모델(Stochastic Block Model, SBM)은 커뮤니티 내부와 외부의 연결 확률을 행렬 P로 정의하고, 같은 커뮤니티에 속한 노드들은 동등한 연결 성향을 가진다고 가정한다. 그러나 실제 소셜, 생물학, 정보 네트워크에서는 같은 커뮤니티 내에서도 ‘허브’라 불리는 고차원 노드가 존재해 정도(degree) 차이가 크게 나타난다. 이러한 현상을 반영하지 못하는 SBM은 실제 데이터에 대한 적합도가 낮으며, 특히 허브가 많은 네트워크에서는 커뮤니티 구조를 왜곡한다. 이를 해결하기 위해 Karrer와 Newman은 Degree‑Corrected Stochastic Block Model(DCBM)을 제안하였다. DCBM은 각 노드 i에 개별 정도 파라미터 θ_i를 부여하여, 두 노드 i, j 사이의 연결 기대값을 θ_i θ_j P_{c_i c_j} 로 정의한다. 이때 θ_i는 해당 노드의 전반적인 연결 경향을 나타내며, Σ_{i:c_i=k} θ_i = 1 (k=1,…,K) 로 정규화한다. DCBM은 SBM을 특수 경우(θ_i 모두 동일)로 포함한다. 논문은 이러한 모델 하에서 커뮤니티 탐지 기준들의 일관성을 체계적으로 분석한다. 일관성은 “노드 수 n이 무한히 커질 때, 최적화된 라벨링이 실제 라벨링과 동일(라벨 순열을 제외)할 확률이 1에 수렴한다”는 강한 정의와, “평균 오류율이 임의의 ε보다 작아지는 약한 정의” 두 가지로 구분된다. 기존 Bickel‑Chen 프레임워크는 SBM에 대한 강·약 일관성 조건을 제시했으며, 저자들은 이를 DCBM에 맞게 확장한다. 분석 대상은 네 가지 기준이다. (1) 블록 모델 기반 최대우도(BM) Q_{BM}=∑_{kl} O_{kl} log(O_{kl}/(n_k n_l))는 SBM 가정 하에서 파라미터를 최대우도 추정해 얻은 식이다. (2) DCBM 기반 최대우도(DCBM) Q_{DCBM}=∑_{kl} O_{kl} log(O_{kl}/(O_k O_l))는 정도 파라미터를 포함한 로그우도 형태이며, O_k는 커뮤니티 k 내 모든 노드의 정도 합이다. (3) Erdős–Rényi 모듈러티(ERM) Q_{ERM}=∑_k (O_{kk} - n_k^2 L / n^2)는 SBM을 K=1인 무커뮤니티 모델(ER 그래프)과 비교한다. (4) Newman‑Girvan 모듈러티(NGM) Q_{NGM}=∑_k (O_{kk} - O_k^2 / L)는 DCBM을 K=1인 기대 정도 그래프(configuration model)와 비교한다. 주요 이론적 결과는 다음과 같다. 첫째, DCBM과 NGM은 DCBM 가정 하에서 파라미터 제약 없이 강·약 일관성을 만족한다. 이는 정도 파라미터가 실제 네트워크의 이질성을 정확히 반영하므로, 기대 엣지 수를 O_k·O_l 로 가중하는 형태가 일관성을 보장한다는 의미이다. 둘째, BM과 ERM은 일반 DCBM 하에서는 일관성을 보장하지 못한다. BM은 θ_i가 모두 동일할 때, 즉 순수 SBM일 때만 일관성을 유지한다. ERM은 “커뮤니티 내부 연결이 외부보다 강하다(stronger within‑than‑between)”라는 추가적인 파라미터 제약이 필요하다. 이 제약은 P_{kk} > P_{kl} (k≠l) 형태로 표현되며, 실제 데이터에서 위배될 경우 모듈러티 기반 방법은 잘못된 커뮤니티를 찾는다. 셋째, 강한 일관성을 위해서는 평균 기대 정도 λ_n이 log n보다 빠르게 성장해야 한다는 조건이 필요하다(λ_n / log n → ∞). 약한 일관성은 λ_n → ∞이면 충분하다. 이론을 검증하기 위해 저자들은 다양한 시뮬레이션을 설계했다. 노드 수 n을 500에서 5000까지 변화시키고, 커뮤니티 수 K를 2,3,4로 설정하였다. 정도 변동성은 θ_i ∝ i^α 로 모델링했으며, α를 0(동질)부터 2(고이질)까지 변화시켰다. 결과는 다음과 같다. (i) α가 0에 가까워 동질성이 높을수록 네 방법 모두 비슷한 정확도를 보였으며, 특히 BM과 DCBM이 거의 동일한 성능을 나타냈다. (ii) α가 커져 정도 이질성이 커지면 DCBM과 NGM이 BM·ERM보다 현저히 낮은 오류율을 기록했다. 특히 NGM은 내부 연결 강도가 외부보다 크게 차이날 때 최적의 성능을 보였다. (iii) 평균 기대 정도 λ_n이 충분히 커야 강한 일관성이 관측되었으며, λ_n이 log n 수준에 머물 경우 약한 일관성만 보장되었다. 실제 데이터 적용으로는 정치 블로그 네트워크(약 1,200 노드, 2개 정치 진영)를 사용했다. DCBM 기반 방법은 두 진영을 정확히 구분했으며, 커뮤니티 내부 평균 연결 강도가 외부보다 현저히 높았다. 반면 ERM은 과도하게 많은 작은 커뮤니티를 생성했고, BM은 일부 허브가 다른 진영에 속하는 오류를 보였다. 이는 실제 네트워크가 높은 정도 이질성을 가지고 있음을 시사한다. 논문의 결론은 다음과 같다. (1) 모델 기반 탐지 기준은 해당 모델이 실제 데이터에 적합할 때만 일관성을 보장한다. (2) DCBM은 SBM보다 더 일반적인 네트워크 구조를 포괄하므로, 정도 변동성이 큰 경우에 적용하는 것이 바람직하다. (3) 그러나 DCBM은 θ_i를 추정해야 하는 추가 파라미터가 많아 추정 불확실성이 커지므로, 정도 이질성이 충분히 크지 않은 경우에는 단순 SBM이나 모듈러티 기반 방법이 실용적일 수 있다. (4) 모듈러티 기반 방법은 파라미터 제약(내부 연결 강도가 외부보다 크다) 하에서만 일관성을 갖으며, 이 제약이 위배될 경우 오히려 성능이 저하된다. 이러한 이론적·실험적 분석은 커뮤니티 탐지 방법 선택 시 모델 가정과 네트워크 특성을 명확히 고려해야 함을 강조한다. 특히 대규모 실세계 네트워크에서 정도 이질성이 뚜렷할 경우, 정도 보정을 포함한 최대우도 기반 방법(DCBM)이나 Newman‑Girvan 모듈러티가 가장 신뢰할 수 있는 선택이 된다.