정점별 최대 클리크 크기 분포와 네트워크 구조의 관계

초록

본 논문은 복합 네트워크에서 각 정점이 속한 최대 클리크 크기의 분포를 조사한다. 수정된 branch‑and‑bound 알고리즘으로 정점별 최대 클리크 크기를 정확히 계산하고, Watts‑Strogatz 모델을 이용한 작은 세계 네트워크의 진화와 실제 네트워크 여섯 종을 대상으로 분석한다. 작은 세계 단계에서는 정점별 최대 클리크 크기가 전체 최대 클리크와 거의 동일하게 유지되며, 무작위화가 진행될수록 포아송 형태의 분포로 변한다. 또한 클러스터링 계수와의 상관관계, 차수와의 동질성(assortativity)도 함께 검토한다.

상세 요약

이 연구는 네트워크 과학에서 ‘정점별 최대 클리크 크기(maximal clique size of a vertex)’라는 새로운 정량적 지표를 제시한다. 기존의 최대 클리크(maximum clique) 탐색은 전체 그래프에서 가장 큰 완전 부분그래프를 찾는 것이었지만, 여기서는 각 정점이 속할 수 있는 가장 큰 클리크의 크기를 개별적으로 측정한다. 이를 위해 저자들은 원래 전체 최대 클리크를 찾기 위해 고안된 branch‑and‑bound 알고리즘을 변형하여, 탐색 과정에서 현재 정점이 포함된 후보 클리크만을 추적하도록 설계하였다. 이 변형 알고리즘은 정확성을 유지하면서도 정점 수가 수천에 이르는 실험 네트워크에 대해 실용적인 실행 시간을 보인다.

첫 번째 실험군은 Watts‑Strogatz 모델을 이용해 규칙적인 격자 네트워크를 점진적으로 재배선(rewire)함으로써 작은 세계(small‑world) 네트워크에서 무작위(network)로 전이되는 과정을 모사한다. 재배선 확률 p가 0에 가까울 때는 정점들의 최대 클리크 크기가 거의 동일하고, 전체 최대 클리크와 일치한다는 것이 관찰되었다. 이는 규칙적인 구조가 높은 클러스터링과 짧은 평균 경로를 동시에 유지하면서, 각 정점이 동일한 지역적 완전 서브그래프에 속한다는 의미이다. p가 증가하여 네트워크가 무작위화될수록 정점별 최대 클리크 크기의 분산이 급격히 커지고, 전체 분포는 포아송 형태를 띤다. 이는 무작위 연결이 특정 정점에 과도하게 집중되거나 희소하게 만들면서, 클리크 형성 가능성이 확률적으로 독립적인 사건처럼 행동하기 때문이다.

두 번째 실험군은 실제 네트워크 여섯 종(사회·생물·기술·정보 등)을 대상으로 동일한 분석을 수행하였다. 다섯 개 네트워크는 정점별 최대 클리크 크기 분포가 포아송형에 근접했으며, 이는 실세계 네트워크가 어느 정도 무작위적 연결 특성을 내포하고 있음을 시사한다. 유일하게 다른 형태를 보인 네트워크는 강한 계층 구조와 높은 차수 이분산을 가진 스케일프리(scale‑free) 네트워크였으며, 이 경우 분포가 오른쪽 꼬리를 가지는 긴 꼬리형을 나타냈다.

또한 저자들은 정점별 최대 클리크 크기와 로컬 클러스터링 계수 사이의 피어슨 상관계수를 계산하였다. 작은 세계 단계에서는 높은 양의 상관관계가 관찰되었지만, 무작위화가 진행될수록 상관계수는 0에 근접하거나 약간의 음의 값을 보였다. 이는 클러스터링이 높은 정점이 큰 클리크에 속할 확률이 높지만, 무작위 연결에서는 클러스터링과 클리크 크기가 독립적으로 변한다는 점을 반영한다. 마지막으로 정점 차수와 최대 클리크 크기 간의 assortativity index를 측정했을 때, 대부분의 네트워크에서 양의 동질성을 보였으며, 특히 스케일프리 네트워크에서는 고차수 정점이 큰 클리크에 집중되는 경향이 뚜렷했다. 이러한 결과는 네트워크 구조적 특성이 정점 수준의 복합성(클리크 참여도)과 어떻게 연결되는지를 정량적으로 보여준다.

전체적으로 이 논문은 정점별 최대 클리크 크기라는 미세한 구조적 지표를 통해, 네트워크 진화 과정과 실제 네트워크의 토폴로지적 특성을 새로운 관점에서 해석한다는 점에서 의의가 크다. 특히 포아송형 분포와의 일치성, 클러스터링·차수와의 상관·동질성 분석은 네트워크 설계와 취약성 평가, 커뮤니티 탐지 등에 활용될 수 있는 실용적 통찰을 제공한다.