다중 네트워크에서 본질 관계 탐색을 위한 유사도 변화율 분석

초록

본 논문은 동일 노드 집합에 존재하는 여러 관계망(멀티플렉스 네트워크)에서, 각 네트워크 간 유사도 변화를 정량화하는 ‘유사도 변화율(similarity rate)’ 지표를 제안한다. 이 지표를 활용해 겉으로 드러나지 않는 본질적인 관계를 추출하고, 인도네시아 테러리스트 데이터셋을 통해 그 유효성을 실증한다.

상세 요약

본 연구는 멀티플렉스 네트워크 분석 분야에서 아직 충분히 다루어지지 않은 ‘관계의 본질성’을 탐구한다는 점에서 의의가 크다. 기존 연구들은 주로 각 레이어별 네트워크 구조를 독립적으로 분석하거나, 레이어 간 연결성을 단순히 가중합하는 방식에 머물렀다. 그러나 실제 사회·경제·범죄 현장에서는 동일한 행위자 집단이 시간·맥락에 따라 서로 다른 관계 유형(예: 협력, 경쟁, 정보 교환 등)을 동시에 유지한다. 이러한 복합성을 포착하려면, 개별 레이어의 유사도 변화를 정량적으로 측정할 필요가 있다.

논문이 제안한 ‘유사도 변화율’은 특정 노드 쌍에 대해 모든 레이어에서 계산된 유사도 값을 시계열 혹은 레이어 순서에 따라 차분(difference)하고, 그 차분값들의 평균 또는 표준편차를 이용해 변화 속도를 추정한다. 핵심 아이디어는 “관계가 자주 변동하는 쌍은 표면적인 연결보다 더 깊은, 혹은 숨겨진 본질 관계를 내포할 가능성이 높다”는 가정이다. 이를 위해 저자들은 (1) 각 레이어별 유사도 측정 방법(공통 이웃, 자카드, 피어슨 등)을 통일하고, (2) 변화율을 정규화하여 레이어 수에 대한 의존성을 제거하였다.

실험에서는 인도네시아 테러리스트 조직 데이터를 활용하였다. 이 데이터는 인물 간의 금전 거래, 통신 기록, 공동 작전 참여 등 여러 관계 레이어를 포함한다. 저자들은 기존의 단일 레이어 기반 클러스터링 결과와 비교했을 때, 유사도 변화율 기반 방법이 실제 조직 내 핵심 인물(리더, 전략가)을 더 정확히 식별함을 보여준다. 특히, 표면적으로는 드물게 연결된(예: 금전 거래가 거의 없는) 인물 쌍이 높은 변화율을 보이며, 이는 비공식적인 신뢰 관계나 비밀 협력망을 반영한다는 해석이 가능하다.

하지만 몇 가지 한계도 존재한다. 첫째, 변화율 계산 시 레이어 순서에 대한 가정이 명시되지 않아, 순서가 바뀔 경우 결과가 달라질 가능성이 있다. 둘째, 유사도 측정에 사용된 기본 메트릭이 모든 레이어에 동일하게 적용되는데, 이는 레이어별 특성(예: 이진 vs. 가중치) 차이를 무시할 위험이 있다. 셋째, 실험이 단일 데이터셋에 국한돼 있어 일반화 가능성을 검증하기 위한 추가적인 도메인(예: 소셜 미디어, 금융 거래)에서의 평가가 필요하다.

향후 연구 방향으로는 (a) 레이어별 가중치를 학습하여 변화율에 반영하는 방법, (b) 변화율을 기반으로 한 동적 커뮤니티 탐지 알고리즘 개발, (c) 시계열 멀티플렉스 네트워크에 적용해 시간에 따른 본질 관계의 진화 양상을 분석하는 것이 제시된다. 이러한 확장은 멀티플렉스 네트워크가 가진 풍부한 구조적 정보를 보다 정교하게 활용함으로써, 숨겨진 핵심 관계를 발굴하고 위험 관리·전략 수립에 실질적인 인사이트를 제공할 수 있을 것이다.