라인 그래프를 사회 네트워크로

초록

본 논문은 사회 네트워크가 초기의 가족·커뮤니티·소규모 조직 등을 정점으로 하는 그래프의 라인 그래프 형태임을 제안한다. 라인 그래프는 높은 클러스터링 계수와 양의 상관성을 보이며, 이는 실제 LiveJournal 네트워크의 특성과 일치한다. 특히 차수별 클러스터링 계수 C(k)의 급격한 피크는 사회 네트워크 내 클리크(완전 그래프) 구조를 반영한다는 점을 강조한다.

상세 분석

논문은 먼저 라인 그래프(line graph)의 정의와 기본적인 위상적 특성을 정리한다. 원 그래프 G의 각 변을 정점으로, 두 변이 공통 정점을 가질 때 이들 사이에 간선을 두는 변환을 통해 라인 그래프 L(G)를 만든다. 이 변환은 원 그래프의 구조적 정보를 보존하면서 정점 간의 연결성을 강화한다는 점에서 사회 네트워크 모델링에 적합하다. 특히 라인 그래프는 원 그래프가 갖는 평균 차수 ⟨k⟩에 비례해 평균 차수가 크게 증가하고, 클러스터링 계수 C가 0.5 이상으로 급격히 상승한다. 이는 “친구의 친구가 또 친구”라는 삼각형 구조가 자연스럽게 많이 생성됨을 의미한다.

또한 라인 그래프는 양의 차수 상관성(assortativity)을 나타낸다. 원 그래프가 무작위 혹은 작은 세계(small‑world) 구조라 하더라도, 변을 정점으로 변환하면 고차수 정점이 서로 연결되는 경향이 강화된다. 이는 사회적 관계에서 고활동 인물(다수의 그룹에 속한 사람)끼리 더 많이 교류한다는 실증적 관찰과 일치한다.

실제 데이터 검증으로 저자들은 약 800만 명 규모의 LiveJournal 사용자 네트워크를 분석한다. 원 데이터는 사용자가 구독하는 블로그와 상호 구독 관계를 기반으로 하며, 여기서 ‘그룹’(예: 관심사, 학교, 직장 등)을 정점, 개인을 그 사이의 연결(링크)으로 해석한다. 라인 그래프 변환 후 얻은 네트워크는 평균 클러스터링 계수가 0.62, 상관계수 r≈0.21 등 높은 사회적 특성을 보였다. 특히 차수 k에 따른 클러스터링 C(k) 그래프에서 k≈10, 30, 70 등에서 뚜렷한 피크가 나타났는데, 이는 해당 차수 범위에 해당하는 정점들이 실제로 큰 클리크(예: 동아리, 학급, 기업 팀)를 형성하고 있음을 시사한다.

이러한 결과는 기존의 “사회 네트워크는 무작위 그래프와는 다르게 클러스터링과 동질성(assortativity)이 높다”는 주장에 구조적 근거를 제공한다. 즉, 사회적 관계는 개인이 여러 소규모 집단에 동시에 속함으로써 자연스럽게 라인 그래프 형태를 띠게 되고, 그 결과로 관측되는 높은 클러스터링과 양의 상관성이 발생한다는 것이다. 논문은 또한 라인 그래프 모델이 기존의 에르고드적(ergodic) 혹은 확률적 모델보다 실제 사회 네트워크의 미세 구조를 더 정확히 재현한다는 점을 실험적으로 입증한다.

한계점으로는 원 그래프의 그룹 정의가 외부 데이터에 크게 의존한다는 점, 그리고 라인 그래프 변환이 지나치게 많은 삼각형을 생성해 실제보다 과도한 클러스터링을 유발할 가능성이 있다는 점을 언급한다. 향후 연구에서는 그룹 간 중첩 정도를 조절하는 파라미터화된 라인 그래프 모델을 제안하고, 다른 종류의 소셜 플랫폼(예: 트위터, 페이스북)에도 적용해 보완할 필요가 있다.