구조 및 속성 결합 모듈러리티 최대화를 통한 대규모 속성 네트워크의 커뮤니티 탐지

Abstract

모듈러리티 기반 커뮤니티 탐지는 네트워크의 구조적 정보만을 고려하기에 현실 세계의 복잡한 다차원적 속성을 반영하지 못한다. 본 논문은 사용자 속성을 멀티셋으로 모델링하고 가중 자카드 유사도를 활용하여 속성 유사도를 정량화함으로써, 구조적 모듈러리티와 속성 모듈러리티를 가중 합한 결합 모듈러리티를 제안한다. 결합 모듈러리티 최대화가 NP-hard임을 보이고, 병합 시 결합 모듈러리티 증가량이 최대인 커뮤니티 쌍을 반복 병합하는 탐욕 알고리즘 GAJM을 설계하였다. 실제 네트워크 데이터셋 및 합성 데이터셋 실험에서 제안하는 모델은 구조–속성의 균형을 직관적으로 제어할 수 있고, 대규모 네트워크에서도 실용적으로 확장됨을 확인했다. 또한 동일 규모의 커뮤니티에서 속성 비중을 높일수록 사용자 위치가 더 밀집하여 실제 응용에 유의미하고 해석 가능한 커뮤니티를 산출함을 입증하였다.