네트워크 영향력 게임: 안정적 행동과 핵심 인물 탐색

초록

이 논문은 네트워크 상에서 개인의 행동이 서로에게 영향을 미치는 상황을 게임 이론적으로 모델링한 ‘영향력 게임(Influence Games)’을 제안한다. 양의·음의 영향력을 모두 허용하고, 순수 전략 내시 균형(PSNE)을 안정적인 결과로 정의한다. 또한, 특정 목표를 달성하도록 하는 최소 규모의 가장 영향력 있는 집합을 찾는 문제를 공식화하고, 복잡도 분석·알고리즘·근사 해법을 제공한다. 실험은 합성 데이터와 미국 상원·대법원 사례에 적용하였다.

상세 분석

논문은 먼저 네트워크를 방향성 가중 그래프로 모델링하고, 각 노드가 {-1,+1} 의 이진 행동을 선택하도록 한다. 노드 i 는 임계값 θ_i 를 가지고, 들어오는 양(positive)·음(negative) 영향력의 차이가 θ_i 를 초과하면 +1, 미만이면 -1을 선택한다. 이 의사결정 규칙은 각 노드의 ‘베스트 응답’으로 해석되며, 전체 시스템의 안정적인 상태는 모든 노드가 자신의 베스트 응답을 동시에 만족하는 순수 전략 내시 균형(PSNE)으로 정의된다.

핵심 기여는 두 가지이다. 첫째, 기존의 확산 모델(예: Granovetter의 역치 모델)과 달리 동적 과정을 명시하지 않고 PSNE만을 고려함으로써 음의 영향력과 비대칭 가중치를 자연스럽게 포함할 수 있다. 둘째, ‘가장 영향력 있는 노드 집합(Most‑Influential‑Nodes, MIN)’ 문제를 새롭게 정의한다. 여기서 목표는 특정 목표(예: 다수의 +1 행동)를 달성하는 PSNE x 가 존재하도록 하는 최소 크기의 노드 집합 S 를 찾는 것이다. S 의 선택이 고정되면, 나머지 노드들은 x 에 강제적으로 수렴한다는 점에서 전통적인 최대 확산 문제와 근본적으로 차별화된다.

복잡도 측면에서 저자들은 MIN 문제와 PSNE 존재·계산 문제를 NP‑hard로 증명하고, 특수 그래프(예: 트리, 완전 이분 그래프)에서는 다항 시간 알고리즘을 제시한다. 일반 경우에는 그리디·지역 탐색 기반 휴리스틱과, 목표 함수가 서브모듈러일 때 적용 가능한 (1‑1/e)‑근사 알고리즘을 설계한다. 또한, 영향력 게임을 ‘잠재 게임(potential game)’과 ‘다항식 게임(polymatrix game)’에 귀속시켜, 기존의 잠재 함수 기반 수렴 분석과 다항식 게임의 균형 계산 기법을 활용한다.

실험에서는 합성 네트워크(랜덤·스케일‑프리)와 실제 정치 네트워크(미국 상원·대법원) 두 종류를 사용한다. 합성 실험에서는 알고리즘의 실행 시간, 근사 비율, 그리고 PSNE의 수를 측정해 이론적 복잡도와 일치함을 확인한다. 실제 데이터에서는 특정 의원이나 대법관을 MIN 집합에 포함시켰을 때 정책 결과(예: 부채 상한 협상)의 안정성을 분석한다. 결과는 작은 MIN 집합이 전체 네트워크의 행동을 강제할 수 있음을 보여주며, 전통적인 최대 확산 접근법이 놓치는 ‘전략적 고정점’을 포착한다는 점을 강조한다.

전반적으로 이 논문은 영향력 분석을 게임 이론적 균형 관점에서 재구성함으로써, 음의 영향, 비대칭 관계, 그리고 목표‑지향적 개입을 정량화할 수 있는 새로운 프레임워크를 제공한다.