링크 예측의 새로운 비교: 물리 기반 모델 vs 머신러닝

초록

본 논문은 세계 무역 웹과 은행 간 인터뱅크 예금 시장의 누락된 연결을 복원하기 위해, 최대 엔트로피 기반 물리학 모델(예: Configuration Model)과 Gradient Boosting Decision Tree 같은 머신러닝 기법을 직접 비교한다. 실험 결과, 물리 기반 백색 상자 모델이 정확도 면에서 머신러닝의 검은 상자 모델과 동등하거나 약간 우수함을 보여, 해석 가능성과 계산 효율성 측면에서 충분히 경쟁력 있음을 입증한다.

상세 분석

논문은 먼저 링크 예측 문제를 “관측 가능한 부분(A_obs)과 누락된 부분(E_miss)”으로 명확히 구분하고, 성능 평가를 위해 TPR, FPR, Jaccard Index, AUC 등 네 가지 지표를 사용한다. 두 종류의 접근법을 정의한다.

1. 물리학 기반(백색 상자) 접근

   • 최대 엔트로피 원칙에 따라 제약조건(주로 노드의 차수)만을 이용해 확률 분포 P(A|θ)를 정의한다.
   • Configuration Model(CM)은 H(A,θ)=∑_ij a_ij(θ_i+θ_j) 형태의 선형 해밀토니안을 사용해 p_ij = x_i x_j / (1 + x_i x_j) 로 연결 확률을 계산한다. 여기서 x_i = e^{-θ_i}이며, 관측된 차수 k_i를 만족하도록 비선형 방정식(27)을 반복적으로 해결한다.
   • 이 확률값을 스코어로 사용해 E_no 중 가장 큰 |E_miss| 개를 누락된 링크로 예측한다.

2. 머신러닝 기반(검은 상자) 접근

   • Gradient Boosting Decision Tree(GBDT)를 LightGBM 구현으로 사용한다. 입력 피처는 ‘내생적’(노드 차수)과 ‘외생적’(GDP, 지리적 거리 등) 두 종류를 조합한다.
   • GBDT는 단계별로 손실 함수(로그우도)와 그라디언트를 최소화하면서 ρ_k와 ϕ_k(·)를 학습한다. 최종 스코어 s_ij는 로짓 변환을 거쳐 확률 p_ij로 변환된다.

실험 설계는 네 가지 누락 비율(10 %, 20 %, 30 %, 50 %)을 10번씩 무작위 추출해 평균 성능을 산출한다. 결과는 다음과 같다.

• CM은 대부분의 경우 AUC와 Jaccard Index에서 GBDT와 동등하거나 약간 높은 값을 보였다.
• 특히 낮은 누락 비율(10 %)에서는 물리 기반 모델이 더 안정적인 TPR을 기록했다.
• 계산 시간 측면에서 CM은 선형 방정식 반복만으로 수초 내에 수렴하는 반면, GBDT는 수분에서 수십분이 소요되었다.

이러한 결과는 “제약조건만으로 충분히 네트워크 구조를 설명할 수 있다면, 복잡한 블랙박스 모델이 반드시 우수할 필요는 없다”는 중요한 통찰을 제공한다. 또한, 물리 기반 모델은 파라미터 해석이 직관적이어서 정책 입안이나 경제학적 해석에 유리하다.