시간적 모티프를 빠르고 정확하게 추정하는 경로 샘플링 기법

초록

TEACUPS는 시간적 그래프에서 3‑경로를 무작위로 샘플링하고, 이를 기반으로 4‑정점 모티프의 개수를 편향 없이 추정하는 알고리즘이다. δ‑시간 창과 방향 제약을 만족하도록 설계된 전용 자료구조와 가중치 보정 방식을 사용해, 트릴리언 단위의 매칭을 가진 대규모 네트워크에서도 1분 이내에 근사 카운트를 제공한다.

상세 분석

본 논문은 시간적 그래프에서 발생하는 다중 에지와 순서 제약 때문에 전통적인 정적 모티프 카운팅 기법이 적용되지 못하는 문제를 정확히 짚어낸다. 저자들은 먼저 “δ‑centered wedge”와 “δ‑centered 3‑path”라는 새로운 개념을 정의하고, 이들을 샘플링 대상으로 삼는다. δ‑centered 3‑path는 중심 에지를 기준으로 양쪽 끝 에지가 시간 차 δ 이내에 존재하도록 제한함으로써, 시간적 순서를 보존하면서도 샘플링 비용을 크게 낮춘다. 특히, 3‑path의 두 끝 에지는 서로 겹치거나 동일 정점에 연결될 수 있어, 다중 그래프 상황에서도 모든 가능한 매칭을 포괄한다는 점이 핵심이다.

샘플링 단계에서는 각 에지에 대해 “sampling weight” we,δ 를 사전 계산하고, 전체 δ‑centered 3‑path 수 Wδ 로 정규화한다. 이렇게 하면 각 샘플이 전체 공간에서 균등하게 선택된 것과 동일한 기대값을 갖게 되며, 추정값이 편향되지 않는다. 이후 선택된 3‑path를 기반으로 목표 모티프에 필요한 추가 에지를 탐색하는데, 이 과정은 해당 에지들의 다중성에 비례하는 선형 시간 안에 수행된다. 즉, 다중 에지가 수천 개인 경우에도 탐색 비용이 폭발적으로 증가하지 않는다.

수학적으로는 마코프 부등식과 체비쉐프 부등식을 활용해 추정값의 분산을 상한하고, 샘플 수를 충분히 늘리면 원하는 정확도 ε, 신뢰도 1‑δ 를 보장할 수 있음을 증명한다. 실험에서는 Bitcoin 거래 그래프(1억 1천만 에지)에서 정확 카운팅이 24시간 이상 걸리는 반면, TEACUPS는 1분 이내에 추정값을 제공하고 평균 30배, 최악 2000배까지 속도 향상을 달성한다. 또한, 기존 GPU 기반 정확 카운팅과 비교했을 때 CPU 32스레드 환경에서도 동일하거나 더 높은 정확도를 유지한다.

이러한 설계는 (1) 시간적 순서와 δ‑윈도우 제약을 자연스럽게 반영, (2) 다중 에지에 대한 효율적인 처리, (3) 편향 없는 추정과 이론적 오류 한계 제공이라는 세 축을 동시에 만족한다. 따라서 4‑정점 이상의 복잡한 모티프까지 확장 가능하다는 점에서, 기존 연구가 3‑정점 삼각형에만 국한됐던 한계를 크게 뛰어넘는다. 향후 연구에서는 3‑경로 샘플링을 스패닝 트리 수준으로 일반화해 5‑정점 이상 모티프까지 확장하는 방향이 제시된다.