소규모 세계 네트워크와 비교 기반 검색

본 논문은 ‘비교 기반 콘텐츠 검색’이라는 인간‑컴퓨터 인터랙션 문제와 ‘소규모 세계 네트워크 설계’라는 네트워크 라우팅 문제를 하나의 통합 프레임워크로 묶는다. 먼저 저자들은 데이터베이스에 존재하는 객체 집합 N을 메트릭 공간 (M, d)에 임베딩한다는 가정을 두고, 각 객체는 거리 함수 d에 의해 서로의 유사도가 정의된다. 사용자는 목표 객체 t를 머릿속에 가지고 있지만, 이를 직접 입력하지 못한다. 대신 매 라운드마다 두 개의 후보 객체 x와 y를 제시받고, 비교 오라클(Oracle(x, y, t))을 통해 목표와 더 가까운 객체를 선택한다. 이 과정을 반복해 목표가 후보 리스트에 포함되면 검색이 종료된다. 이와 동시에, 같은 메트릭 임베딩 위에 그래프 G = (N, E) 를 생각한다. 기존의 로컬 엣지 집합 L은 각 객체가 근접 이웃과 연결된 형태이며, 여기서 ‘단축 엣지’ S를 추가해 네트워크를 확장한다. 목표는 임의의 소스 s에서 목표 t까지 그리디 포워딩(현재 노드와 목표 사이 거리를 최소화하는 이웃으로 이동)으로 이동할 때의 기대 비용을 최소화하는 것이다. 이 문제는 기존 연구에서 ‘소규모 세계 네트워크’ 혹은 ‘네비게이블 그래프’ 설계 문제로 알려져 있다. 핵심적인 차별점은 수요(요청) 분포 λ(s, t) 를 이질적으로 가정한다는 점이다. 여기서 소스 분포 ν(s)와 목표 분포 µ(t) 로 마진을 구하고, 목표 집합 T = supp(µ) 를 정의한다. 기존 연구는 µ가 균등(동질)하다고 가정했지만, 실제 이미지 검색, 음악 추천 등에서는 특정 객체가 훨씬 자주 요청된다. 저자들은 이러한 이질적 수요가 네트워크 설계에 미치는 영향을 정량화한다. 첫 번째 주요 결과는 이질적 수요 하에서 소규모 세계 네트워크 설계가 NP‑hard임을 증명한 것이다. 증명은 수요 분포를 임의의 집합 커버 문제와 연계해, 최적 단축 엣지 집합을 찾는 것이 집합 커버의 최적 해와 동치임을 보인다. 따라서 다항 시간 알고리즘으로 최적 해를 구할 수 없으며, 근사 알고리즘이 필요함을 시사한다. 이에 대한 실용적 해결책으로, 저자들은 ‘엔트로피 기반 확률적 엣지 선택 메커니즘’을 제안한다. 목표 분포 µ의 엔트로피 H(µ)와 두 배 상수 c(µ)를 계산한다. 두 배 상수는 임의의 중심 x와 반경 r에 대해 µ(Bₓ(2r)) ≤ c·µ(Bₓ(r)) 를 만족하는 최소 c이며, 이는 목표 집합의 기하학적 복잡도를 나타낸다. 메커니즘은 각 객체 x에 대해 반경 r을 증가시키며, 해당 볼 안에 포함된 목표 확률 질량을 기준으로 단축 엣지를 확률적으로 추가한다. 이때 선택 확률은 µ(Bₓ(r)) / µ(Bₓ(2r)) 와 같은 형태로 정의돼, 목표가 밀집된 영역에 더 많은 단축 엣지를 배치한다. 성능 분석에서는 두 가지 경계를 제시한다. 상한은 기대 검색 비용 E