베트 헤시안 재조정으로 희소 이질 그래프의 커뮤니티 탐지 혁신

초록

본 논문은 희소하고 이질적인 네트워크를 모델링하는 degree‑corrected SBM에서 기존 베트-헤시안 행렬의 파라미터 r을 최적값 ζ로 재설정함으로써, 정규화된 고유벡터가 노드의 degree 분포에 영향을 받지 않게 하고, 탐지 한계까지 정확한 커뮤니티 분할을 가능하게 하는 새로운 스펙트럴 클러스터링 방법을 제안한다. ζ는 비백트래킹 연산자 B의 고유값 비율을 이용해 추정할 수 있으며, k‑클래스 확장과 실험 검증도 제공한다.

상세 분석

논문은 먼저 희소 그래프에서 평균 차수가 n에 독립적인 DC‑SBM을 정의하고, 베트‑헤시안 행렬 H_r = (r²‑1)I + D‑rA 를 소개한다. 기존 연구에서는 r = √(cΦ) 를 사용했지만, 이 값은 노드별 내재 연결 확률 θ_i(즉 degree heterogeneity)에 의해 고유벡터가 왜곡되어 성능이 저하된다. 저자들은 (D‑rA)σ의 i번째 원소를 전개해 보면 d_iσ_i − r(|∂_s i|−|∂_o i|)σ_i 형태가 되며, 여기서 |∂_s i|와 |∂_o i|는 각각 같은 커뮤니티와 다른 커뮤니티에 속한 이웃 수이다. 평균적으로 |∂_s i|/d_i = c_in/(c_in+ c_out) 이므로, 기대값이 0이 되도록 r를 선택하면 σ가 평균적으로 H_r의 고유벡터가 된다. 이를 만족하는 r는

  ζ = (c_in + c_out)/(c_in − c_out) = 2√c · α

이며, α = (c_in − c_out)/√c 가 탐지 가능성의 핵심 파라미터이다. ζ는 α가 탐지 임계값 α_c = 2√Φ 를 초과할 때 존재하고, α → α_c 일 때 ζ → 1 로 수렴한다. 따라서 ζ는 degree heterogeneity에 무관하게 σ를 거의 정확한 고유벡터로 만든다.

다음으로 저자들은 σ에 작은 잡음 δ를 더한 형태 x^{(2)}_ζ = σ + δ 를 가정하고, (D‑ζA)(σ+δ)=λ_α(σ+δ) 를 전개한다. 여기서 Δ_i = |∂_s i|−E