신뢰 기반 다중 유형 부트스트랩 퍼콜레이션 모델

초록

본 논문은 사회 네트워크에서 사람들의 역할(라벨)에 따라 다르게 전파되는 소문·가십을 설명하기 위해, 라벨별 최소 전파 기준을 도입한 다중 유형 부트스트랩 퍼콜레이션(T‑BP) 모델을 제안한다. 무작위 그래프와 계층적 전력법칙 그래프에서 면역 정점 비율, 다양성, 임계 전파 확률 등을 분석하고, 라벨 수와 요구 라벨 수가 전파 역학에 미치는 영향을 수치 실험으로 보여준다.

상세 분석

이 연구는 기존의 r‑이웃 부트스트랩 퍼콜레이션을 확장하여, 각 정점에 ‘라벨(역할)’을 부여하고, 라벨별로 서로 다른 전파 임계값을 설정한다는 점에서 혁신적이다. 라벨 집합 {1,…,m} 에 대해 신뢰 벡터 K = (k₁,…,k_m) 을 정의하고, 정점 v 가 감염되기 위해서는 라벨 i 인 이웃이 최소 k_i 개 이상이어야 한다. 이는 ‘다양성(D_v)’ 개념과 연결되어, 라벨 종류가 충분히 다양하지 않은 정점은 자연스럽게 면역(Immune) 상태가 된다. 면역 정점 집합 I 는 모든 신뢰 벡터에 대해 하나 이상의 라벨 i 에 대해 |N_i(v)| < k_i 인 정점으로 정의된다.

논문은 두 가지 특수 경우를 중점적으로 분석한다. 첫 번째는 r‑이웃 T‑BP 로, 라벨 수 m 중 r 개의 라벨만이라도 충족하면 전파가 이루어진다. 여기서 면역 정점은 D_v < r 인 경우이며, 정규화된 스털링 수를 이용해 P(D_v ≤ r‑1) 를 구한다. 두 번째는 단일 신뢰 벡터 k 를 갖는 가장 일반적인 형태로, 정점의 라벨별 이웃 수 x_i 가 k_i 미만이면 면역이 된다. 이 경우 면역 확률 p_d^I(k) 를 다중 이항 분포 형태로 전개하고, 그래프의 차수 분포 P(d) 와 결합해 전체 면역 비율 p^I(G,T) = ∑_d p_d^I(T) P(d) 를 도출한다.

그래프 구조에 대한 분석도 깊다. 전통적인 전력법칙 차수 분포 P(d) ∝ d^(-γ) (γ≈2~3) 를 갖는 무작위 소셜 네트워크와, γ = 1+ln 3/ln 2 인 결정론적 계층적 네트워크를 대상으로 면역 정점 비율과 전파 임계 확률 p_c 를 계산한다. 특히 계층적 네트워크에서는 정점의 차수가 2^n+1‑2 와 같은 지수적 성장 형태를 보이며, 라벨 다양성과 r 값에 따라 전파가 급격히 차단되거나 전체 네트워크에 퍼지는 ‘벽돌 전이(wall‑crossing)’ 현상이 관찰된다.

실험에서는 정점 수 n=10,000, 라벨 수 m=34, r=23, 그리고 에르되시‑레니 그래프의 연결 확률 ρ 를 변화시켜 p_c 와 최종 감염 비율 A_∞/|V| 을 측정한다. 결과는 라벨 수가 많을수록, 혹은 요구 라벨 수 r 이 클수록 p_c 가 상승하고, 전파가 억제되는 경향을 명확히 보여준다. 예를 들어, m=4, r=3 인 경우 ρ=0.002 일 때 p_c≈0.0025 로, 초기 감염자가 2.5% 이상이어야 절반 이상이 감염된다. 반면 ρ 가 0.0005 미만이면 초기 감염자를 30% 정도 늘려도 전체 전파는 20% 이하에 머문다.

이러한 분석은 가짜 뉴스 억제, 마케팅 캠페인 설계, 공공 보건 정책 등에 직접 적용 가능하다. 라벨(예: 연령, 직업, 정치 성향)별 신뢰 수준을 정량화하고, 최소 필요 라벨 수를 조정함으로써 전파 역학을 제어할 수 있다는 실용적 통찰을 제공한다.