npm 의 구조적·정규 등가성을 활용한 패키지 유사성 탐색

본 논문은 세계 최대 규모의 자바스크립트 패키지 레지스트리인 npm(약 217 000개의 패키지와 수백만 개의 의존 관계)에서, 그래프 구조만을 이용해 패키지 간 유사성을 정의하고 이를 기반으로 자동 분류 및 추천 시스템에 활용하고자 한다. 연구자는 먼저 복잡 네트워크 이론에서 사용되는 두 가지 동등성 개념, 구조적 등가성(structural equivalence)과 정규 등가성(regular equivalence)을 소개한다. 구조적 등가성은 두 노드가 동일한 이웃 집합을 공유하는지를 판단하는 가장 엄격한 기준이며, 정규 등가성은 이웃들의 유형이 동일한지를 확인함으로써 보다 완화된 관계를 포착한다. npm 의존성 그래프는 방향성이 있는 유향 그래프이며, 패키지를 설치할 때는 의존성의 전이적 설치가 이루어진다. 이를 반영하기 위해 저자는 각 패키지와 그 모든 후손 패키지 사이에 추가적인 유향 간선을 삽입해 그래프를 확장한다. 이렇게 하면 “패키지 A가 B와 C에 직접 의존하고, B가 D에 의존한다면 A는 D에도 의존한다”는 전이적 관계가 그래프에 명시적으로 포함된다. 그러나 이 과정은 그래프의 밀도를 크게 증가시켜 계산 비용을 상승시킨다. 구조적 등가성 측정을 위해 저자는 기존의 단순 공통 이웃 수 카운팅 방식 대신 코사인 유사도(Salton cosine)를 사용한다. 코사인 유사도는 두 노드의 이웃 집합 교집합 크기를 각 노드의 차수의 제곱근으로 정규화함으로써, 고차수 노드가 과도하게 유리해지는 현상을 완화한다. 구현 절차는 다음과 같다. (1) 각 노드의 전임자(predecessor)를 선택하고, 전임자 쌍 사이에 공통 이웃이 존재하면 구조적 등가성 후보로 간주한다. (2) 공통 이웃이 없더라도 코사인 유사도를 계산해 유사도 점수를 부여한다. (3) 측정이 끝난 간선을 그래프에서 제거하고, 남은 노드에 대해 반복한다. 최종적으로 측정된 유사도 점수를 가중치로 하는 무향 가중 그래프를 구성하고, 이 그래프에서 k‑medoids(PAM) 군집화를 수행한다. 정규 등가성은 CA‑TREGE 알고리즘을 활용한다. 이 알고리즘은 초기에는 모든 노드를 동일 역할로 가정하고, 각 노드의 입·출 연결 패턴(이웃 유형)을 기반으로 역할을 재분배한다. 역할 재분배는 모든 노드가 동일한 이웃 유형 조합을 가질 때까지 반복되며, 각 단계에서 역할 간 거리(역수 형태)도 기록된다. 최종적으로 얻어진 거리 행렬을 k‑medoids에 입력해 정규 등가성 기반 군집을 만든다. 다만 CA‑TREGE는 O(n³) 복잡도를 가지므로, 저자는 1 000노드 이하의 서브그래프에만 적용하고 전체 npm 그래프는 샘플링을 통해 축소했다. 군집화 단계에서는 두 종류의 거리 행렬(구조적 등가성 기반 코사인 거리와 정규 등가성 기반 거리)을 각각 k‑medoids에 입력한다. k값은 사전에 지정했으며, 군집 중심(메디오이드)은 거리 최소화를 통해 선택된다. 결과적으로 얻어진 군집은 “코어 라이브러리”, “인기 프레임워크”, “프레임워크 보조 패키지” 등으로 구분될 것으로 기대했지만, 논문 본문에는 실제 군집 결과와 그 의미에 대한 구체적인 분석이 부족하다. 관련 연구 섹션에서는 커뮤니티 탐지, 블록 모델링, 모듈러리티 기반 방법 등을 언급하며, 이들 방법이 역할(Role)과는 구분된 개념임을 강조한다. 특히 블록 모델링은 노드와 에지를 축소된 이미지 그래프로 매핑하는 방식이며, 정규·구조적 등가성은 이러한 이미지 그래프의 특수 경우로 설명된다. 실험 및 평가 파트에서는 npm 데이터 수집 과정과 그래프 전처리(후손 간선 추가)만을 서술하고, 실제 측정 결과, 군집 품질 지표(NMI, ARI 등), 혹은 기존 메타데이터와의 비교는 제시되지 않는다. 또한, 대규모 그래프에 대한 메모리·시간 복잡도 문제를 해결하기 위해 샘플링을 사용했으나, 샘플링 방법(무작위, 층화 등)과 그 영향에 대한 논의가 빠져 있다. 결론에서는 구조적·정규 등가성을 활용한 패키지 유사성 탐색이 이론적으로 가능함을 주장하고, 향후 작업으로 더 큰 그래프에 대한 스케일링, 정량적 평가, 그리고 실제 추천 시스템에의 적용을 제시한다. 그러나 현재 단계에서는 구현 아이디어는 흥미롭지만, 실험적 검증이 부족하고, 결과 해석이 모호하여 실용적 가치가 충분히 입증되지 않았다.