같은 네트워크도 어떤 방법으로 묶느냐에 따라 군집이 달라진다.
무엇이 문제인가
동시출현 네트워크 분석에서 노드를 색깔로 구분해 군집을 보여주는 그림은 이제 흔하다. 문제는 그 색이 어떤 알고리즘으로 나온 것인지 밝히지 않고 넘어가는 경우가 많다는 점이다. 군집분석을 실시했다고만 쓰고 방법명을 생략하면, 같은 데이터를 다른 사람이 다시 돌렸을 때 같은 그림이 나온다는 보장이 없다. 방법을 밝히지 않은 군집 그림은 결과가 아니라 인상에 가깝다.
어떻게 하는가
동시출현 네트워크 군집에서 대표적으로 쓰이는 방법은 CONCOR(수렴상관)와 Louvain(모듈성 최적화) 두 가지다. CONCOR는 수렴상관이라는 이름 그대로 상관관계를 반복 계산해 수렴시키는 방식으로 노드를 묶고, Louvain은 모듈성을 최적화하는 방식으로 노드를 묶는다. 같은 동시출현 행렬을 넣어도 두 방법이 계산하는 기준이 다르기 때문에 나오는 군집의 개수와 구성이 달라질 수 있다. 그래서 노드 색을 군집으로 칠한 그림을 논문이나 보고서에 실을 때는 CONCOR를 썼는지 Louvain을 썼는지를 본문이나 그림 설명에 명시해야 한다. 방법을 밝혀야 다른 연구자가 같은 절차를 따라 같은 결과를 재현할 수 있다.
방법을 밝히는 것과 별개로, 군집이 나온 다음의 명명도 근거가 필요하다. 군집에 임의로 그럴듯한 이름을 붙이는 것이 아니라, 그 군집 안에서 상위에 있는 키워드들의 구성을 근거로 삼아 이름을 정당화해야 한다. 즉 "이 군집을 A라고 부르는 이유는 이 군집에 속한 상위 키워드가 이러이러하기 때문"이라는 설명이 뒤따라야 군집 명명이 자의적이라는 지적을 피할 수 있다.
심사위원이라면 여기를 본다
군집 방법을 밝히지 않으면 이 그룹이 어떻게 나왔는지 재현할 수 없다는 지적을 받는다. 심사위원 입장에서는 CONCOR와 Louvain 중 무엇을 썼는지도 모르는 상태로 결과만 받아들여야 하기 때문이다. 여기에 더해 군집에 붙인 이름이 상위 키워드 구성에 근거하지 않고 연구자의 직관으로만 붙여졌다면, 그 이름 자체가 자의적이라는 지적으로 이어진다. 방법명 명시와 상위 키워드 기반 명명 정당화, 이 두 가지는 별개의 지적 포인트로 각각 준비해야 한다.
마치며
CONCOR와 Louvain은 같은 네트워크에서도 다른 군집을 내놓을 수 있으므로 어떤 방법을 썼는지 명시해야 재현 가능하고, 군집 이름은 상위 키워드 구성으로 정당화해야 자의적이라는 지적을 피할 수 있다.
텍스트마이닝 분석 설계가 필요하다면 텍스트마이닝 분석 페이지에서 진행 방식을 확인할 수 있다. 방법론 노하우는 뉴스레터 「강의실의 AI」 구독 시 받아볼 수 있다.