비대칭 이주 행렬의 두 가지 비정규화 방법 비교와 군집 구조

초록

본 논문은 1995‑2000년 미국 3,107개 카운티 간 이동 행렬을 두 종류의 Bregman 발산(KL 발산과 제곱노름) 최소화 방법으로 비정규화(비스토캐스틱)한 뒤, 얻어진 행렬의 그래프‑구조와 강한 연결 성분을 분석한다. KL 기반 Sinkhorn‑Knopp 알고리즘은 단일 1값을 갖는 반면, 제곱노름 기반 Wang‑Li‑König 알고리즘은 2,707개의 1값을 만들어 2,352개의 강한 연결 성분을 도출한다. 이 결과는 지역별 군집·계층 구조를 새롭게 조명한다.

상세 분석

이 연구는 비대칭 데이터에 대한 비정규화(bi‑stochastization) 방법론을 비교함으로써, 기존에 주로 대칭 유사도 행렬에 적용되던 클러스터링 이론을 확장한다. 첫 번째 방법은 잘 알려진 Sinkhorn‑Knopp(SK) 알고리즘으로, Kullback‑Leibler(KL) 형태의 Bregman 발산을 최소화한다. KL 발산은 확률 분포 간의 상대 엔트로피 차이를 측정하므로, 행렬을 양쪽 모두에서 확률적(행합·열합이 1)으로 만들면서 정보 손실을 최소화한다. 이 과정에서 얻어진 3,107×3,107 비스토캐스틱 행렬은 오직 하나의 원소만이 1에 도달하고, 나머지는 0에 가깝게 분포한다. 이는 원래 이주 흐름이 매우 비대칭이며, 몇몇 카운티 간 이동이 집중되어 있음을 암시한다.

두 번째 방법은 Wang, Li, König이 제안한 알고리즘으로, Bregman 발산 중 제곱노름 형태를 최소화한다. 제곱노름은 유클리드 거리의 제곱에 해당하므로, 행렬 원소들을 가능한 한 균등하게 분산시키려는 경향이 있다. 결과적으로 2,707개의 원소가 정확히 1이 되고, 나머지는 0이 된다. 이는 행렬를 거의 ‘이진’ 형태에 가깝게 만들며, 각 1값은 해당 카운티 쌍 사이에 강한 양방향 이동이 존재함을 의미한다.

이진화된 행렬을 방향 그래프로 해석하면, 3,107개의 정점과 2,707개의 간선으로 구성된 희소 그래프가 형성된다. 강한 연결 성분(strong components) 분석 결과, 2,352개의 성분이 발견되었으며, 이 중 1,659개는 단일 정점(고립된 카운티)이고, 나머지는 2~7개의 정점으로 이루어진 소규모 클러스터다. 특히, 31개의 이중 클러스터는 주 경계를 넘어선 주간 이동을 포함하고, 22개의 삼중 클러스터와 13개의 사중 클러스터 중 각각 하나씩은 주 경계를 초월한다. 이러한 구조는 전통적인 지리적 구분과는 다른, 실제 인구 이동 패턴에 기반한 ‘기능적’ 지역 구성을 드러낸다.

흥미롭게도, 하와이(5카운티)와 로드아일랜드(5카운티), 그리고 코네티컷(8카운티)와 같은 소규모 주들은 SK 기반 강한 연결 성분 계층 군집에서 명확히 구분된 집단으로 나타난다. 이는 두 알고리즘이 서로 다른 군집 해석을 제공함을 시사한다. KL 기반 방법은 전체 네트워크를 하나의 거대한 흐름으로 압축하는 반면, 제곱노름 기반 방법은 지역별 강한 상호작용을 강조한다.

이러한 차이는 데이터 전처리 단계에서 선택하는 발산 함수에 따라, 동일한 원시 이동 데이터가 전혀 다른 사회‑지리적 인사이트를 제공할 수 있음을 보여준다. 정책 입안자나 지역 계획자는 분석 목적에 따라 적절한 비정규화 방식을 선택해야 하며, 두 방법을 병행 사용함으로써 이동 네트워크의 다층적 특성을 보다 풍부하게 파악할 수 있다.