유럽 의회 투표 데이터로 본 부정 링크의 그래프 분할 중요성

초록

본 논문은 유럽 의회 의원들의 투표 기록을 이용해 서명된(양·음) 가중 그래프를 구축하고, 음성(부정) 링크를 무시한 커뮤니티 탐지와 구조적 균형을 고려한 Partition 알고리즘을 비교한다. 실험 결과, 부정 링크를 포함했을 때 얻는 파티션이 부정 링크를 제외했을 때와 현저히 다름을 보여, 부정 링크가 그래프 분할에 중요한 정보를 제공한다는 점을 확인한다.

상세 분석

이 연구는 서명 그래프 이론과 구조적 균형 개념을 실증적으로 검증하기 위해 유럽 의회 7기(2009‑2014) 기간의 투표 데이터를 활용한다. 각 의원을 노드로, 두 의원 간 투표 일치도를 가중치로 하는 부호(양·음) 링크를 정의한다. 투표 일치도는 ‘찬성‑찬성’·‘반대‑반대’는 +1, ‘찬성‑반대’는 –1로, 결석·불참은 0, ‘기권’에 대해서는 두 가지 가중 스키마(절반 동의 혹은 완전 동의)를 제시한다. 이렇게 만든 서명 네트워크는 시간·주제별 필터링이 가능해 다양한 서브그래프를 생성한다. 이후, 부정 링크를 무시하고 InfoMap, Louvain 등 기존 커뮤니티 탐지 알고리즘을 적용한 결과와, 부정 링크를 포함해 구조적 균형을 최적화하는 Parallel ILS(Iterative Local Search) 알고리즘의 결과를 비교한다. 평가 지표는 모듈러리티와 균형 점수(내부 양성 링크 비율, 외부 음성 링크 비율)이며, 두 파티션 간 정규화된 상호 정보(NMI)와 Rand Index를 사용해 차이를 정량화한다. 실험에서는 부정 링크를 고려한 파티션이 정치적 파벌(예: 보수·진보)과 더 높은 일치도를 보이며, 부정 링크를 무시한 경우에는 여러 파벌이 혼합된 모호한 커뮤니티가 형성된다. 이는 이전 연구(Esmailian et al.)가 제시한 “부정 링크는 대부분 커뮤니티 경계에 존재한다”는 가설이 모든 도메인에 일반화될 수 없음을 시사한다. 또한, 부정 링크를 포함한 모델이 더 높은 균형 점수를 달성함으로써, 실제 정치적 갈등 구조를 더 정확히 포착한다는 점을 강조한다. 연구는 데이터셋과 전처리 스크립트를 공개함으로써 재현성을 확보하고, 향후 서명 그래프 최적화 알고리즘 개발 및 정치 네트워크 분석에 중요한 벤치마크를 제공한다.