서명 네트워크를 위한 균형 확률 블록 모델

1. 서론 네트워크 분석에서 커뮤니티 탐지는 핵심 과제이며, 기존 연구는 주로 무부호(양/0) 그래프에 초점을 맞추었다. 그러나 사회, 국제 관계, 생물학 등 실제 시스템에서는 양·음 두 종류의 관계가 동시에 존재한다. 서명 네트워크는 이러한 복합 정보를 담고 있지만, 대부분의 기존 방법은 양·음 관계를 단순히 로컬 페어와이즈(pairwise) 신호로만 활용한다. 구조적 균형 이론은 삼각형 단위에서 “양·음”의 조합이 특정 패턴(양의 곱)으로 나타나는 현상을 설명하며, 실제 데이터에서도 균형 삼각형이 비균형 삼각형보다 빈번하게 관찰된다. 이론적 배경을 바탕으로, 저자는 서명 네트워크의 전역적인 고차원 구조를 모델링할 필요성을 제기한다. 2. 모델 정의 BSBM은 K개의 커뮤니티를 가정하고, 각 커뮤니티를 두 개의 메타‑그룹(G₁, G₂) 중 하나에 할당한다. 노드 i와 j 사이의 엣지 존재 여부는 P_{z_i,z_j} 로, 존재한다면 부호는 Q_{z_i,z_j} 로 결정된다. Q는 η와 ν를 통해 Q_{ℓℓ′}=½(1+η_{ℓℓ′} ν(ℓ)ν(ℓ′)) 로 정의되며, ν는 커뮤니티 → 메타‑그룹 매핑, η는 메타‑그룹 간·내 부호 강도를 조절한다. 이 구조는 모든 삼각형에 대해 기대값 E(A_{ij}A_{jk}A_{ki})>0 를 보장, 즉 인구 수준(population‑level) 균형을 만족한다(정리 1). 3. 추정 알고리즘 완전 우도는 라벨 조합 수가 Kⁿ에 달해 직접 최적화가 불가능하므로, 프로파일‑의사우도 접근법을 채택한다. 행 라벨(z)는 잠재 변수, 열 라벨(e)는 고정 파라미터로 두어, EM 절차를 적용한다. E‑step에서는 각 노드가 각 커뮤니티에 속할 사후 확률 γ_{iℓ}=P(z_i=ℓ|A,e,Ω) 를 계산한다. M‑step에서는 π와 P를 표준 SBM 방식으로 업데이트하고, Q는 ν와 η를 동시에 최적화한다. ν는 이진 변수이므로, νᵀ M ν 형태의 이진 이차 최적화 문제로 귀결된다. K가 작을 경우 완전 탐색 혹은 브랜치‑컷을 통해 정확히 풀고, K가 클 경우 반정밀 반정규(SDP) 근사법을 적용한다. 알고리즘은 각 반복마다 목표 함수가 비감소함을 보이며, 전체 수렴성을 정리 2에서 보장한다. 4. 이론적 성질 강일관성(Strong Consistency)은 “추정된 라벨이 실제 라벨과 거의 일치한다”는 의미이며, 기존 무부호 SBM에서는 within‑between 연결 확률 차이 ΔP가 O(√(log n/n)) 이상이어야 한다. BSBM은 부호 정보 Q가 메타‑그룹을 명확히 구분하면, ΔP가 작아도 강일관성을 달성한다. 구체적으로, η와 ν가 충분히 큰 경우(즉, 메타‑그룹 간 부호 차이가 뚜렷) ΔP가 O(1/√n) 수준에서도 정확한 복구가 가능함을 정리 3에서 증명한다. 이는 부호 정보가 구조적 균형을 통해 고차원 상호작용을 제공함을 수학적으로 뒷받침한다. 5. 실험 시뮬레이션에서는 n=500~2000, K=3~6, 다양한 sparsity와 η 값을 변형하여 BSBM, 기존 서명 SBM, 무부호 SBM을 비교했다. 평가 지표는 정밀도·재현율·NMI이며, BSBM이 특히 η가 크고 P 차이가 작을 때 탁월한 성능을 보였다. 실제 데이터로는 (1) 온라인 포럼에서 사용자 간 ‘동의’(양)·‘반대’(음) 관계를 추출한 서명 소셜 네트워크, (2) 국가 간 무역·분쟁 관계를 부호화한 국제 관계 네트워크를 사용했다. 두 데이터 모두 메타‑그룹이 실제 정치적 진영·동맹 구조와 일치했으며, 기존 방법이 놓치던 미묘한 커뮤니티 경계를 정확히 복구했다. 6. 결론 및 향후 연구 BSBM은 서명 네트워크의 구조적 균형을 모델링함으로써, 연결 정보만으로는 식별이 어려운 커뮤니티를 효과적으로 탐지한다. 제안된 프로파일‑의사우도 알고리즘은 계산 효율성을 유지하면서도 강일관성을 제공한다. 향후 연구에서는 비대칭(방향성) 서명 네트워크, 동적(시간 변화) 모델링, 그리고 메타‑그룹 수를 자동 추정하는 베이지안 확장 등을 탐색할 계획이다.