이웃 강도 기반 라벨 전파를 이용한 커뮤니티 탐지

초록

본 논문은 라벨 전파 알고리즘(LPA)의 실행 속도를 크게 향상시키고, 이웃 강도(클러스터링 계수)를 고려한 새로운 라벨 업데이트 규칙을 도입함으로써 검출되는 커뮤니티의 품질을 개선한다. 불필요한 업데이트를 차단하는 활성 노드 리스트 기법과, 이웃 노드들의 연결 강도를 가중치로 반영하는 일반화된 규칙을 적용해 실험 결과 기존 LPA 대비 1.5배 이상, 대규모 네트워크에서는 6배 이상 빠르게 수렴하며, 특히 높은 클러스터링 계수를 가진 실제 네트워크에서 모듈러티 점수가 유의하게 상승한다.

상세 분석

라벨 전파 알고리즘(LPA)은 초기에는 각 노드가 고유 라벨을 갖고, 반복적으로 이웃 중 가장 많이 등장하는 라벨을 채택함으로써 커뮤니티를 형성한다. 이 과정은 거의 선형 시간 복잡도(O(m))를 보이며 구현이 간단하지만, 두 가지 근본적인 한계가 존재한다. 첫째, 라벨이 수렴하기 전까지 많은 노드가 불필요하게 업데이트를 시도한다는 점이다. 특히 초기 단계에서 라벨이 급격히 변하면서 대부분의 노드가 라벨을 바꾸지만, 몇 차례 반복 후에는 내부 노드가 라벨을 바꾸지 않아도 전체 수렴에 영향을 주지 않는다. 둘째, 기존 LPA는 이웃 수만을 기준으로 라벨을 선택하므로, 이웃 간의 연결 강도(즉, 이웃이 다른 이웃과 얼마나 촘촘히 연결돼 있는가)를 무시한다. 이는 실제 사회적 상황에서 “친구의 친구가 많이 연결돼 있을수록 그 의견이 더 설득력 있다”는 현상을 반영하지 못한다는 의미이다.

저자들은 이러한 문제를 해결하기 위해 두 가지 주요 개선을 제안한다. 첫 번째는 ‘활성 노드 리스트(active node list)’를 도입해 현재 라벨이 바뀔 가능성이 있는 경계 노드만을 대상으로 업데이트를 수행하도록 설계한 것이다. 내부 노드는 자동으로 ‘수동(passive)’ 상태가 되며 리스트에서 제외된다. 이 메커니즘은 각 반복에서 실제 라벨이 변하는 노드 수와 그 이웃의 상태 변화를 직접 추적하므로, 불필요한 연산을 거의 제거한다. 복잡도 분석에 따르면 초기 리스트 구축은 O(n), 각 업데이트는 해당 노드의 차수 d_i 만큼의 연산만 필요하고, 전체 수렴 여부는 리스트가 비었는지만 확인하면 되므로 O(1)이다. 실험 결과, 네트워크 규모가 10,000노드까지는 스케일된 반복 횟수가 3 이하로 유지되며, 특히 큰 네트워크(예: email, PGP)에서는 기존 LPA 대비 6배 이상 빠르게 수렴한다.

두 번째 개선은 ‘이웃 강도(Negborhood Strength)’를 반영한 일반화된 라벨 업데이트 규칙이다. 기존 LPA는 단순히 라벨 빈도(count)를 기준으로 argmax를 수행했지만, 여기서는 각 후보 라벨 k에 대해 S_k = Σ_{j∈N(i)} w_{ij}·δ(L(j),k) 형태의 가중합을 계산한다. 여기서 w_{ij}는 노드 i와 이웃 j 사이의 연결 강도이며, 저자들은 이를 클러스터링 계수(또는 삼각형 비율)와 연계해 정의한다. 즉, 이웃 j가 i의 다른 이웃들과 많이 연결돼 있을수록 w_{ij}가 크게 부여되어, 그 라벨이 선택될 확률이 높아진다. 이 접근법은 라벨 전파를 ‘전염’이 아니라 ‘정보 흐름’으로 재해석한 것으로, 실제 사회 네트워크에서 영향력 있는 핵심 노드가 라벨을 주도하도록 만든다. 실험에서는 합성 네트워크와 다양한 실제 소셜 네트워크(karate, lesmis, polbooks, netscience 등)를 대상으로 모듈러티(Q) 점수를 비교했으며, 특히 평균 클러스터링 계수가 높은 네트워크에서 Q값이 10~30% 상승하는 효과를 보였다.

전체적으로 이 논문은 LPA의 두 가지 핵심 약점을 정량적·정성적으로 분석하고, 활성 노드 리스트와 이웃 강도 가중치를 결합한 새로운 프레임워크를 제시한다. 알고리즘 자체는 여전히 거의 선형 시간 복잡도를 유지하면서, 수렴 속도와 커뮤니티 품질 모두에서 기존 방법을 능가한다. 다만, 이웃 강도 가중치를 계산하기 위해 클러스터링 계수를 사전에 구해야 하는 점은 추가적인 전처리 비용을 요구한다는 한계가 있다. 또한, 라벨이 다수일 경우(예: 매우 큰 네트워크에서 라벨 수가 노드 수와 비슷할 때) 가중합 계산이 다소 부담될 수 있다. 향후 연구에서는 가중치 계산을 근사화하거나, 동적 네트워크에 대한 실시간 적용 가능성을 탐색하는 것이 필요하다.