이중모드 네트워크에서 잡음과 신호를 구분하는 최대 엔트로피 접근법

** 본 논문은 실세계 데이터에서 흔히 관찰되는 이중모드(바이파티트) 구조를 기반으로 만든 공동발생 네트워크의 통계적 해석 방법을 제시한다. 이중모드 그래프는 한쪽 레이어에 엔터티(예: 연구자, 의원, 단어)와 다른 쪽 레이어에 집합(예: 논문, 법안, 문서)가 존재하며, 엔터티와 집합 사이의 연결은 멤버십을 의미한다. 이러한 구조를 심볼‑집합 이진 행렬로 표현하면, 심볼 간의 공동발생 가중치는 두 심볼이 동시에 포함된 집합의 개수로 정의된다. 전통적인 프루닝 방법은 단순히 가중치 임계값을 적용해 낮은 가중치의 엣지를 제거한다. 그러나 이 방식은 네트워크의 다중 스케일 구조를 왜곡하고, 실제 의미 있는 서브그래프를 놓칠 위험이 있다. 기존 연구에서는 차수 시퀀스를 정확히 보존하는 고정 차수 모델(FDSM)이나, 차수의 기대값을 보존하는 확률적 차수 모델(SDSM)을 도입했지만, SDSM은 샘플링 기반 널 분포 추정에 의존해 계산 비용이 크고, 최대 엔트로피 원칙을 만족하지 못한다는 한계가 있다. 이에 저자는 차수 시퀀스(심볼 빈도 f_i와 집합 크기 g_α)를 평균적으로 보존하는 최대 엔트로피 널 모델을 수학적으로 구축한다. 라그랑주 승수 λ_i와 γ_α를 도입해 제약식을 라그랑지안에 포함시키고, 전체 확률분포를 지수형으로 표현한다. 이때 각 이중모드 간 연결 변수 σ_{iα}는 0 또는 1이며, 정규화 상수 Z는 모든 가능한 σ_{iα} 조합에 대해 계산된다. 라그랑주 승수에 대한 편미분을 통해 차수 보존 조건을 얻고, 이를 x_i=exp(λ_i), y_α=exp(γ_α) 로 치환하면 두 비선형 방정식 시스템이 도출된다. 이 시스템은 y_α = g_α / Σ_i ( x_i / (1 + x_i y_α) ) x_i = f_i / Σ_α ( y_α / (1 + x_i y_α) ) 와 같이 표현되며, 각 변수는 로지스틱 형태의 연결 확률 p_{iα}=x_i y_α/(1+x_i y_α) 를 의미한다. 해는 닫힌 형태가 없으므로, 초기값을 첫 차수 비율의 제곱근 형태(x_i=f_i/√N, y_α=g_α/√N) 로 설정하고, 고정점 반복법을 적용한다. 반복 과정은 수렴성이 좋으며, 실제 데이터(예: 미국 상원 110대 의회 공동후원 데이터, m=3613 심볼, n=102 집합)에서 빠르게 해를 찾는다. 다음으로, 두 심볼 i와 j 사이의 공동발생 가중치 M(i,j)를 정의하고, 기대값과 분산을 위에서 구한 p_{iα}를 이용해 계산한다. M은 n개의 독립 베르누이 변수의 합이므로 포아송‑이항 분포를 따른다. 정확한 누적분포함수(CDF)를 구하기는 비용이 크므로, Volkova가 제안한 정제 정규 근사(RNA)를 적용한다. 이 근사는 평균 μ, 분산 σ², 그리고 세 번째 중심 모멘트 η를 이용해 보정된 정규 CDF를 제공한다. 관측된 가중치 w_{ij}에 대해 CDF F_{ij}(w_{ij})를 구하고, p‑값 π_{ij}=1−F_{ij}(w_{ij})를 계산한다. 중요도 지표는 −log(π_{ij}) 로 정의되며, 이는 작은 p‑값(즉, 널 모델에서 관측 가중치가 발생할 확률이 낮음)을 큰 점수로 변환한다. 프루닝 실험에서는 동일한 네트워크 밀도(예: 2, 4 등)에서 최대 엔트로피 기반 필터가 단순 가중치 임계값보다 훨씬 큰 거대 컴포넌트를 유지한다. 특히, 파티션(민주당·공화당) 구분이 명확히 드러나며, 모듈러리티 점수도 크게 향상된다. 이는 널 모델이 실제 데이터의 구조적 특성을 보존하면서 잡음 엣지를 효과적으로 제거했음을 의미한다. 결론적으로, 이 논문은 (1) 차수 시퀀스를 평균적으로 보존하는 최대 엔트로피 널 모델을 수식적으로 정의하고, (2) 비선형 방정식의 효율적 수치 해법을 제시하며, (3) 포아송‑이항 분포의 정제 정규 근사를 이용해 정확한 p‑값을 계산함으로써 샘플링 비용을 제거한 점에서 기존 방법을 뛰어넘는다. 제안된 프레임워크는 학술 협업, 입법 공동후원, 텍스트 코오커런스 등 다양한 이중모드 데이터에 적용 가능하며, 네트워크 분석에서 잡음-신호 구분을 위한 강력한 도구가 될 것이다. **