소프트웨어 유산과 APS 인용 네트워크의 성장 메커니즘 비교와 스케일프리 가설 검증

초록

본 논문은 40년 이상에 걸친 소프트웨어 유산(SWH) 데이터와 APS 인용 네트워크를 대상으로, 시간·위상 파티셔닝을 통해 파생 그래프를 구축하고, 에지 생성·상속·노화 메커니즘을 분석한다. 두 데이터 모두 성장 규칙의 전환(regime shift)을 보이며, 스케일프리 거동의 존재 여부를 추정하는 데 있어 추정 방법과 이상치에 민감함을 확인한다. 결과는 기존 최소 모델과의 정량적 비교가 구조·동적 전이 때문에 어려움을 드러내며, 보다 정교한 도구와 인과적 성장 모델의 필요성을 강조한다.

상세 분석

논문은 먼저 SWH 메인 그래프를 정의하고, RV(Revision)와 RL(Release) 노드에 내재된 타임스탬프를 이용해 “시간 파티셔닝”을 수행한다. 이 과정에서 원본(origin) 노드에 타임스탬프를 전파하고, 경로 상속(inheritance) 여부와 실제 시간 순서(true‑time) 규칙을 조합해 네 가지 변형(모드I·WI, TT·NoTT)으로 파생 그래프 G_modeI,modeT 를 만든다. 이어서 각 origin 노드를 (T,S,L) 삼중항으로 매핑하는 TSL 파티셔닝을 적용해 G_TSL_δm 을 생성하고, 이를 기존 Barabási–Albert(BA) 모델의 방향성 버전인 Price 모델과 비교한다.

핵심 분석은 다음과 같다. 첫째, SWH 데이터에서 2010년경 Git 도입과 같은 개발 관행 변화가 out‑degree 분포와 평균 에지 수 per new node 에 급격한 전이를 일으킨다. 이 전이는 topological 파티셔닝(특히 out‑degree 기반)으로 명확히 드러나며, 기존 최소 모델이 가정하는 일정한 m(새 노드당 평균 에지 수) 가 깨지는 사례를 제공한다. 둘째, 인위적인 “outlier” 이벤트—예를 들어 대규모 프로젝트의 급격한 포크—가 degree 분포의 꼬리를 왜곡하고, 파워‑law 추정값(γ) 에 큰 변동을 초래한다. 논문은 Clauset‑Newman‑Shalizi 방식과 MLE 기반 추정을 모두 적용해 γ 를 구했지만, 전이 구간과 이상치에 따라 2.1~2.9 사이의 넓은 범위가 나타난다. 셋째, APS 인용 네트워크에서도 1985년 이후 인용률이 급증하면서 평균 인‑degree 가 비선형적으로 증가한다. 이는 “가속 성장” regime 으로 해석되며, SWH와 달리 새로운 노드당 에지 수가 지속적으로 상승한다.

이러한 결과는 두 데이터 모두 “정적” 스케일프리 가설(무한히 큰 네트워크에서 일정한 γ) 을 검증하기엔 부적합함을 시사한다. 특히, 성장 규칙이 시간에 따라 변하고, 멀티레이어 구조와 부분적인 타임스탬프 결손이 존재할 때, 최소 모델과의 직접적인 매핑은 오버피팅이나 잘못된 귀납을 초래한다. 따라서 논문은 (1) 파티셔닝을 통한 파생 그래프 구축이 구조적 전이를 명확히 드러내는 유용한 전처리 단계, (2) 스케일프리 지표 추정 시 전이 구간과 이상치를 별도로 처리해야 함, (3) 향후 연구는 “전이‑감수성” 최소 모델(예: 시간 가변 m, 동적 선호도 함수)을 설계하고, 파생 그래프와 원본 그래프 사이의 인과 관계를 정량화하는 방법론이 필요함을 강조한다.