대규모 무작위 네트워크의 비동질성 측정 스피어만 rho로 보는 연결 패턴

초록

본 논문은 기존의 피어슨 기반 동질성 계수가 규모가 큰 무작위 네트워크, 특히 무작위 스케일프리 그래프에서 음의 상관성을 과소평가한다는 문제를 수학적으로 설명한다. 이를 해결하기 위해 순위 상관계수인 스피어만 rho를 제안하고, 합성 그래프와 실제 웹·인터넷·사회·생물 네트워크에 적용해 일관된 음의 연결 패턴을 밝혀낸다. 스피어만 rho는 네트워크 크기에 무관하게 강한 양·음 상관을 정확히 포착하므로, 서로 다른 규모의 네트워크 간 동질성 비교가 가능해진다.

상세 분석

논문은 먼저 기존에 널리 사용되는 assortativity coefficient, 즉 두 인접 노드의 차수를 피어슨 상관계수로 측정하는 방법이 스케일프리 네트워크에서 구조적 편향을 가진다는 점을 지적한다. 무작위 그래프에서 차수 분포가 멱법칙 꼬리를 가지면, 높은 차수를 가진 노드가 극히 드물게 존재하고 이들의 기여가 평균과 분산을 크게 왜곡한다. 특히 disassortative(음의 상관) 네트워크에서는 높은 차수 노드가 저차수 노드와 주로 연결되면서, 피어슨 상관계수의 분모에 포함되는 차수 제곱 평균이 네트워크 규모 N에 따라 급격히 증가한다. 결과적으로 N이 커질수록 계수의 절댓값이 감소해 “규모 의존성”이 나타난다. 저자들은 이 현상을 정량적으로 증명하기 위해, 구성 모델(configuration model)과 선호적 연결 모델(preferential attachment)에서 차수의 2차 모멘트와 3차 모멘트가 N에 어떻게 스케일링되는지를 분석한다. 그 결과, assortativity coefficient는 O(N^{-(γ-3)/(γ-1)}) 형태로 감소함을 보이며, γ가 2~3 사이인 실제 스케일프리 네트워크에서는 급격한 감소가 관찰된다.

이러한 한계를 극복하기 위해 저자들은 순위 기반 상관계수, 특히 스피어만 rho를 도입한다. 스피어만 rho는 각 노드의 차수를 순위로 변환한 뒤 피어슨 상관을 계산하므로, 절대적인 차수 값이 아니라 상대적인 순위에 의존한다. 따라서 멱법칙 꼬리의 영향을 크게 완화하고, N에 대한 의존성을 최소화한다. 논문에서는 스피어만 rho와 켄달 tau를 모두 고려했지만, 실험 결과 스피어만 rho가 해석적으로 더 직관적이며 구현이 간단함을 확인한다.

실험 부분에서는 (1) 구성 모델을 이용해 다양한 γ와 N을 가진 합성 그래프를 생성하고, (2) 실제 웹 크롤링 데이터(예: Stanford Web, Common Crawl), (3) 인터넷 AS 레벨 네트워크, (4) 사회·생물 네트워크를 대상으로 두 지표를 비교한다. 합성 그래프에서는 N을 10^3에서 10^6까지 변화시켜도 스피어만 rho는 거의 일정한 값을 유지했으며, 기존 assortativity coefficient는 N이 커질수록 0에 수렴하는 현상을 보였다. 실제 웹 그래프에서는 기존 연구가 보고한 -0.05 수준의 음의 상관 대신, 스피어만 rho는 -0.30~ -0.45 사이의 강한 음의 상관을 드러냈다. 이는 고차수 페이지가 저차수 페이지와 집중적으로 연결되는 구조적 특성을 더 정확히 포착한다는 의미이다. 인터넷 AS 네트워크와 사회·생물 네트워크에서도 비슷한 경향이 관찰되었으며, 특히 사회 네트워크에서는 양의 상관이 더 뚜렷하게 나타났다.

마지막으로 저자들은 스피어만 rho가 “규모 독립적인” 측정값을 제공함으로써, 서로 다른 크기의 네트워크 간 동질성 비교가 가능해진다고 주장한다. 이는 네트워크 진화 연구, 네트워크 기반 정책 설계, 그리고 복잡계 모델 검증 등에 중요한 도구가 될 수 있다. 또한, 순위 상관계수는 기존 피어슨 기반 방법이 놓칠 수 있는 미세한 구조적 변화를 감지하는 데 유리하므로, 향후 네트워크 분석 표준으로 채택될 여지가 크다.