계층 시각화를 위한 겹침 없는 일반화 피타고라스 트리 그리기

초록

일반화 피타고라스 트리는 계층 데이터를 유기적인 프랙탈 형태로 시각화하지만, 기존 알고리즘에서는 가지가 겹치는 문제가 있었다. 본 논문은 원 대신 타원을 사용해 자식 노드를 배치하고, 겹침을 감지하면 공통 조상을 기준으로 ‘넓히기’·‘좁히기’·‘중립’ 세 가지 힘을 적용해 타원 세로축(b)을 조절한다. 쿼드트리를 이용한 효율적인 충돌 탐지와 반복적인 힘‑기반 업데이트를 통해 모든 겹침을 제거한다. NCBI 분류학, 파일 시스템, 인공 계층 등 다양한 실험에서 충돌 수가 급감하고, 전체 형태는 유지되면서 가독성이 크게 향상됨을 보였다.

상세 분석

이 논문은 기존 일반화 피타고라스 트리(GPT)의 근본적인 한계인 가지 간 겹침(overlap) 문제를 해결하기 위해 두 가지 핵심 아이디어를 제시한다. 첫 번째는 원형(semicircle) 대신 타원형(semi‑ellipse)을 사용해 자식 노드들을 배치한다는 점이다. 타원의 장축(a)과 단축(b)을 조절함으로써 같은 부모 아래에 있는 서브트리들의 간격을 동적으로 늘리거나 줄일 수 있다. b값이 커지면 타원이 높아져 하위 트리들이 위아래로 퍼지고, b값이 작아지면 타원이 납작해져 트리의 높이가 감소한다. 이는 기존 원형 배치에서 발생하는 고정된 각도와 크기 제약을 완화한다는 의미이다.

두 번째 아이디어는 물리 기반의 힘‑지향(force‑directed) 모델을 도입한 것이다. 겹침이 감지되면 겹치는 두 노드 u, v의 가장 가까운 공통 조상 z를 찾고, z에는 ‘spread’ 카운터를, z까지의 경로에 있는 모든 노드에는 ‘narrow’ 카운터를 증가시킨다. 이후 각 노드에 대해 spread와 narrow 중 어느 쪽이 더 큰지를 판단해 세 가지 힘을 적용한다.

• Push force: spread가 우세하면 b를 10 % 증가시켜 타원을 넓힌다(최대 φ≈1.618).
• Pull force: narrow가 우세하면 b를 10 % 감소시켜 타원을 좁힌다.
• Neutral force: b를 1로 복귀시키는 회복력(force)으로, 학습률(lr)에 따라 점차 약해진다.

이러한 힘은 반복(iteration)마다 적용되며, 각 반복마다 쿼드트리(Quadtree) 구조를 이용해 현재 사각형들의 축‑평행 경계 상자에 대한 윈도우 쿼리를 수행해 후보 겹침을 O(d + k) 시간에 탐색한다(d는 트리 깊이, k는 반환된 후보 수). 충돌이 실제로 존재하는지 최종 검증 후, 필요하면 힘을 재적용한다. 알고리즘은 수백에서 수천 번의 반복 후 모든 충돌을 제거하고, b값이 0에 가까워지면 구조는 icicle plot 형태로 수렴한다.

실험에서는 324 269개의 노드를 가진 NCBI taxonomy 트리에서 초기 충돌 51 930개를 155번의 반복으로 완전 제거했으며, 파일 시스템 트리(30 859노드)에서도 8 483개의 충돌을 164번 반복 후 해소했다. 충돌 수와 반복 횟수 사이에는 로그‑스케일에서 선형적으로 보이는 음의 지수 관계가 관찰되었다. 또한, 노드 높이를 원래 가로 길이와 최소값으로 제한하는 변형 실험에서도 비슷한 수렴 속도를 보였지만, 트리 형태가 원본과 크게 달라지는 트레이드‑오프가 존재한다.

한계점으로는 매우 평평하거나 얕은 계층 구조에서 b값이 급격히 감소해 트리가 icicle plot에 가까워지면서 원래의 프랙탈‑같은 미학이 손실될 수 있다. 또한, 알고리즘의 종료를 보장하는 형식적 증명은 아직 제시되지 않았으며, 최악의 경우 b값이 반복적으로 증감하는 진동 현상이 발생할 가능성이 있다. 그럼에도 불구하고, 대부분의 실험 데이터에서 알고리즘은 안정적으로 겹침 없는 결과를 도출했으며, 시각적 가독성 및 구조적 일관성을 크게 향상시켰다.