네트워크 위너 필터로 잡음 억제

초록

본 논문은 복잡 네트워크의 엣지 가중치에 존재하는 이질적·상관된 잡음을 구조적 정보를 활용해 동시에 감소시키는 ‘네트워크 위너 필터(NetWF)’를 제안한다. 유전자 상호작용 네트워크와 Enron 이메일 네트워크에 적용해 잡음 억제와 결측 엣지 추정에서 기존 방법보다 우수함을 실증한다.

상세 분석

본 연구는 전통적인 위너 필터의 수학적 틀을 복잡 네트워크 데이터에 확장한다는 점에서 혁신적이다. 먼저 관측 벡터 a = u + n을 네트워크 인접 행렬의 벡터화 형태로 정의하고, 신호와 잡음의 공분산 행렬 C_u, C_n을 이용해 최적 선형 연산자 G_W = C_u(C_u + C_n)⁻¹을 도출한다. 핵심은 C_u를 네트워크 구조에 기반한 ‘엣지‑유사도’ 행렬로 근사하는데, 이는 각 엣지의 양 끝 노드 프로파일(출입 연결 패턴)의 피어슨 상관을 이용해 전역적인 유사도를 계산한다. 방향성 네트워크에서는 소스‑타깃 별로 별도 유사도를 구하고, 무방향 네트워크에서는 두 가능한 엔드포인트 매칭을 평균해 대칭성을 확보한다. 이러한 엣지‑유사도는 실제 신호(즉, 진짜 가중치) 간 상관을 반영하므로, 잡음 공분산 C_n이 이질적·상관된 형태라도 G_W가 이를 자동으로 보정한다.

알고리즘 구현에서는 대규모 네트워크에 대한 메모리·시간 효율성을 위해 공분산 행렬을 명시적으로 저장하지 않고, 행-벡터 연산과 켤레 그라디언트(conjugate gradient) 방법을 결합한다. 이는 C_n이 대각 혹은 희소한 구조를 가질 때 특히 빠르게 수렴한다.

실험에서는 (1) 효모 S. cerevisiae의 유전자 상호작용(GI) 네트워크, (2) Enron 이메일 교환 네트워크 두 사례를 선택했다. GI 네트워크에서는 각 엣지에 실험적 표준편차가 제공되어 이질적 잡음 공분산을 직접 구성할 수 있었으며, NetWF 적용 후 양성 GI가 82 % 감소하고, 부정적 GI는 33 % 감소하면서도 기존 벤치마크(PPI, co‑complex, GO)와의 정밀도‑재현율이 크게 향상되었다. 특히, 기존에 잡음에 묻혀 있던 부정적 GI가 새롭게 드러나는 등 신호 회복 능력이 뛰어나다. Enron 네트워크에서는 시간에 따라 변하는 통신량을 잡음으로 모델링하고, NetWF가 희소한 관측을 보완해 링크 예측 정확도를 기존 최적 싱글값 축소(OS) 방법보다 유의미하게 높였다.

본 논문의 주요 기여는 (i) 네트워크 구조를 정량화한 전역 엣지‑유사도 기반의 신호 공분산 추정, (ii) 이질·상관 잡음 모델을 자연스럽게 통합한 선형 필터 설계, (iii) 대규모 실데이터에 적용 가능한 효율적 구현이다. 제한점으로는 엣지‑유사도 계산에 피어슨 상관을 사용함으로써 비선형 관계를 포착하지 못한다는 점과, C_n 추정에 사전 지식이 필요하다는 점을 들 수 있다. 향후 연구에서는 커널 기반 유사도 혹은 그래프 신경망을 활용한 비선형 확장과, 잡음 공분산을 베이지안 방식으로 추정하는 방법을 탐색할 여지가 있다.