서브그래프 네트워크와 구조적 특징 공간 확장에의 응용

실세계 네트워크는 계층적이고 모듈식 구조를 두드러지게 나타내며, 다양한 하위그래프들이 구성 요소로 작용합니다. 기존의 대부분 연구에서는 서로 다른 하위그래프들을 모티프로 간주하고, 이들의 수만을 이용하여 기저 네트워크를 특성화하는 데 그쳤습니다. 이러한 통계치는 네트워크 모델을 설명하거나, 일부 네트워크 알고리즘을 설계하는 데 사용될 수 있지만, 하위그래프의 역할은 이러한 응용 분야에서 더욱 탐구되어 결과를 개선할 수 있습니다. 본 논문에서는 하위그래프 네트워크(Subgraph Network, SGN) 개념을 소개하고, 이를 네트워크 모델에 적용하며, 1차 및 2차 SGN을 구축하기 위한 알고리즘을 설계하였습니다. 이 알고리즘은 쉽게 고차 SGN을 구축하는 데 확장될 수 있습니다. 또한, 이러한 SGN들은 기저 네트워크의 구조적 특징 공간을 확장하여 네트워크 분류에 유익하게 활용됩니다. 수치 실험 결과, 원래 네트워크의 구조적 특징과 1차 및 2차 SGN의 구조적 특징을 함께 사용한 네트워크 분류 모델이 단일 또는 두 가지 네트워크만을 기반으로 하는 모델들보다 항상 최상의 성능을 보임을 입증하였습니다. 즉, SGN의 구조적 특징은 어떤 특징 추출 방법(예: 수작업, 네트워크 임베딩, 커널 기반 방법)이 사용되더라도 원래 네트워크의 구조적 특징을 보완하여 더 나은 네트워크 분류를 가능하게 합니다.