하이퍼그래프 기반 확률적 네트워크 성장 모델링

Probabilistic network growth modeling with hypergraphs

연구 내용

하이퍼그래프의 고차 상호작용을 반영하는 preferential attachment 모델을 확률적으로 일반화하고 차수분포를 해석하는 연구

노드가 도착할 때 연결되는 하이퍼엣지 수와 각 하이퍼엣지 크기가 확률적으로 변하도록 설정한 preferential attachment 하이퍼그래프 모델을 제안합니다. 이때 임의 분포를 허용해 기존의 고정 파라미터 가정을 완화하고, 점근 차수분포가 하이퍼엣지 크기 분포에 의해 결정되는 과정을 이론적으로 도출합니다. 또한 소차수 영역에서 관측되는 이상 현상을 하이퍼엣지 개수 분포의 영향으로 해석하여, 실제 네트워크 데이터의 비정형성을 반영하는 모델링 절차를 제공합니다. 시뮬레이션과 실데이터 분석을 통해 혼합 구조의 표현 가능성까지 검증합니다.

관련 프로젝트

2건

연구 흐름

초기에는 하이퍼그래프와 네트워크 성장의 확률적 구조를 다루며 시계열 환경에서의 적합성과 분포 변화를 분석하는 연구를 수행했습니다. 이후 연구에서는 부익부·빈익빈과 같은 성장 메커니즘을 일반화된 네트워크 성장 문제로 확장하여 모형의 해석틀을 구축했습니다. 최근에는 하이퍼엣지 도착 시점의 랜덤성(개수·크기)을 포함한 preferential attachment 하이퍼그래프 모델로 발전시키고, 차수분포의 점근 거동과 소차수 편차를 이론적으로 정리하는 방향으로 심화되었습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

하이퍼그래프 생성기(합성 데이터)
고차 상호작용 기반 확산 모델
소셜 네트워크 구조 해석
시간변화 네트워크의 위험요인 모델
차수분포 이상 탐지
복잡계 모델링의 확률기반 해석틀
잠재공간 기반 네트워크 시각화
혼합모형을 활용한 구조 추정
대규모 네트워크 통계 추론
네트워크 회복탄력성 평가를 위한 모형화