선형 시간에 기하학적 이질 랜덤 그래프 샘플링

초록

본 논문은 기하학적 이질 랜덤 그래프(GIRG) 모델을 제안하고, 이를 O(n) 기대 시간 안에 샘플링할 수 있는 알고리즘을 개발한다. 또한 GIRG가 Ω(1) 수준의 클러스터링 계수를 갖고, 서브선형 크기의 작은 분리자를 가짐을 증명하며, 기대 선형 비트 수로 압축 가능함을 보인다. 하이퍼볼릭 랜덤 그래프는 GIRG의 특수 경우이므로, 모든 결과가 기존 하이퍼볼릭 모델에도 적용된다.

상세 분석

GIRG 모델은 각 정점에 가중치 wᵥ와 d 차원 토러스 Tᵈ 상의 위치 xᵥ를 부여하고, 두 정점 u, v 사이의 연결 확률을 p_uv = Θ(min{1, (w_u w_v / W)^α / ‖x_u−x_v‖_∞^{α d}}) 로 정의한다. 여기서 α>1은 거리 감소 정도를, β>2는 가중치의 멱법칙 지수를 나타낸다. 이 정의는 기존 Chung‑Lu 모델에 기하학적 거리 요소를 곱해, 가까운 정점일수록 연결 확률이 크게 되도록 설계되었으며, 상수 계수를 무시함으로써 수식이 단순해진다. 논문은 먼저 이러한 모델이 실제 하이퍼볼릭 랜덤 그래프와 동등함을 보이며, 따라서 하이퍼볼릭 그래프의 알려진 구조적 특성(스케일 프리, 작은 직경, 큰 클러스터링 등)이 GIRG에도 그대로 적용됨을 확인한다.

알고리즘적 핵심은 “기하학적 순서(geometric order)”와 “셀 분할(cell decomposition)”이다. 정점들을 위치에 따라 그리드 셀에 할당하고, 각 셀 안·밖의 정점 쌍에 대해 거리 기반 상한을 이용해 기대 연결 수를 미리 계산한다. 셀 크기를 적절히 조정하면, 한 셀 내에서만 O(1) 평균 연결을 기대하고, 셀 간에는 거리 상한에 의해 거의 모든 쌍이 무시된다. 이를 바탕으로 각 정점에 대해 후보 이웃 리스트를 생성하고, 실제 연결 여부를 독립적인 베르누이 시행으로 판단한다. 전체 과정은 정점 수 n에 비례하는 작업만을 수행하므로 기대 시간 복잡도가 O(n)이며, 기존 하이퍼볼릭 그래프 샘플링 O(n^{3/2}) 대비 √n 배의 개선을 달성한다.

구조적 분석에서는 클러스터링 계수를 Θ(1) 수준으로 유지함을 증명한다. 이는 동일 셀 혹은 인접 셀에 위치한 정점들이 서로 가까워 삼각형 형성이 자연스럽게 일어나기 때문이다. 또한, 볼륨이 r^d 로 증가하는 점을 이용해, 거리 r보다 큰 정점 쌍의 연결 확률을 충분히 작게 만들 수 있음을 보이고, 이를 통해 전체 그래프를 O(n^{1−Ω(1)}) 개의 에지만 삭제하면 두 큰 컴포넌트로 나눌 수 있는 작은 분리자 존재를 증명한다. 이러한 작은 분리자는 트리폭과 트리폭 기반 압축 알고리즘에 직접 활용된다. 논문은 분리자를 이용해 그래프를 재귀적으로 분할하고, 각 파트의 구조를 압축해 전체를 O(n) 비트로 저장할 수 있음을 보인다. 이는 기존 하이퍼볼릭 그래프 압축 기법보다도 더 효율적인 결과다.

마지막으로, α=∞인 임계 경우와 일반 α>1 경우 모두를 포괄하도록 설계된 모델이므로, 하이퍼볼릭 랜덤 그래프는 GIRG의 특수 사례로 포함된다. 따라서 본 논문의 샘플링, 클러스터링, 분리자, 압축 결과가 하이퍼볼릭 모델에도 그대로 적용된다. 이로써 GIRG는 현실 네트워크의 기하학적 특성을 반영하면서도 이론적·알고리즘적 분석이 용이한 강력한 모델로 자리매김한다.