사회연결망 분석에서 커뮤니티

 

사회연결망 분석에서 커뮤니티는 밀접한 관련성을 가진 노드들의 집합으로 정의됩니다. 커뮤니티를 측정하는 방법은 여러 가지가 있습니다. 이 중에서 주요한 방법들에 대해 자세히 설명하겠습니다.

1. 모듈러리티(Modularity):

모듈러리티는 그래프를 여러 부분집합 또는 모듈로 나눌 수 있는 정도를 나타내는 지표입니다. 높은 모듈러리티는 그래프 내에서 강한 커뮤니티 구조가 있다는 것을 의미합니다. 
​
2. 최대우도 추정(Maximum Likelihood Estimation, MLE):

커뮤니티 감지를 최대우도 추정으로 다루는 방법이 있습니다. 이는 그래프 내에서 어떤 커뮤니티가 가장 확률적으로 존재할 지를 추정하는 방식입니다. 이를 위해 각 노드가 속한 커뮤니티의 확률을 최대화하는 방향으로 최적화하는 과정을 거칩니다.

 

3. 분할 계층 분석(Hierarchical Clustering):

계층적 군집 분석을 사용하여 그래프를 계층적으로 분할하면 여러 수준의 커뮤니티 구조를 얻을 수 있습니다. 이 방법은 분석가가 원하는 세부 수준의 커뮤니티를 선택할 수 있게 합니다.

 

4. 라우브라슈(Raubraudshus) 방법:

라우브라슈 방법은 각 노드를 중심으로 하는 이웃 노드들 간의 연결성을 고려하여 노드들을 그룹화합니다. 이 방법은 노드의 접근성과 군집화를 동시에 고려하여 더 효과적인 커뮤니티를 찾을 수 있습니다.

 

5. 거리 기반 방법:

노드 간의 거리를 측정하고 이를 기반으로 계층적으로 커뮤니티를 형성하는 방법이 있습니다. 주로 복잡한 네트워크에서 활용되며, 노드 간의 거리 측정에는 유클리드 거리, 피어슨 상관 계수 등이 사용됩니다.

 

커뮤니티 감지 방법은 그래프의 특성과 분석 목적에 따라 선택되어야 합니다. 여러 방법을 조합하여 사용하거나, 특정 상황에 맞게 적절한 방법을 선택하는 것이 중요합니다.