비마코프적 시간 네트워크가 확산 속도를 늦추고 빠르게 하는 메커니즘

초록

이 논문은 시간 순서가 중요한 비마코프적(비기억성) 상호작용이 네트워크 확산에 미치는 영향을 분석한다. 고차원(2차) 시간‑집계 그래프와 그 고유값 스펙트럼을 이용해 확산 속도의 느려짐·빠라짐을 정량적으로 예측하고, 여섯 개 실증 데이터셋에서 이론을 검증한다.

상세 분석

본 연구는 먼저 시간‑스탬프가 부착된 유향 에지들의 집합을 시간 네트워크(temporal network)라 정의하고, 전통적인 시간‑집계 네트워크(time‑aggregated graph)와 구분한다. 시간‑집계 그래프는 모든 시간에 한 번이라도 나타난 에지를 단일 가중치(출현 횟수)로 압축하지만, 이 과정에서 에지들의 시간 순서와 인과 관계(causality)가 사라진다. 저자들은 이러한 인과 손실이 확산 과정, 특히 무작위 보행(random walk)의 수렴 속도에 큰 영향을 미친다고 주장한다.

인과 관계를 보존하기 위해 2차 시간‑집계 네트워크(second‑order aggregated network)를 도입한다. 여기서 각 2차 노드는 1차 네트워크의 에지 하나에 대응하고, 2차 에지는 두 개의 연속된 에지(길이‑2 경로, two‑path)를 연결한다. 즉, (a→b)와 (b→c)라는 순서가 보존된 경우에만 (a→b, b→c)라는 2차 에지가 존재한다. 이 구조는 **라인 그래프(line graph)**와 유사하지만, 가중치는 실제 데이터에서 관측된 two‑path의 빈도 w^{(2)} 로 설정한다.

2차 네트워크에 대한 전이 행렬 T^{(2)} 를 정의하고, 그 고유값 스펙트럼을 분석한다. 특히 가장 큰 고유값 λ₁=1(정규화된 확률 행렬의 특성)과 두 번째 고유값 λ₂의 차이, 즉 스펙트럼 갭(spectral gap)이 무작위 보행의 혼합 속도를 결정한다는 점을 이용한다. 저자들은 시간‑집계 네트워크에 대한 전이 행렬 T^{(1)}와 2차 전이 행렬 T^{(2)}의 스펙트럼 갭을 비교하여 느려짐 계수 S(slow‑down factor)를 정의한다.

수학적으로는
\