Graph-Based Modeling and Embedding
연구 내용
그래프 구조의 복잡한 관계 데이터를 모델링하고 효율적인 그래프 임베딩을 수행하기 위한 알고리즘을 개발하는 연구
그래프 데이터의 구조적 특성을 반영하여 노드, 엣지, 서브그래프 간의 관계를 모델링하는 알고리즘을 개발합니다. Heterogeneous graph, signed network, overlapping subgraph 등 다양한 형태의 그래프를 분석하기 위해 메타패스 기반 임베딩, 커뮤니티 탐지, 코어 계산 기법을 적용합니다. 효율적인 계산을 위해 근사 기법과 구조 기반 특징 추출을 결합하며, 비정형 데이터 환경에서도 안정적으로 임베딩을 수행할 수 있도록 구성합니다. 또한 준지도 학습이나 대조 학습과 같은 최신 학습 전략을 그래프 구조에 적용하여 표현 학습의 일반화를 확보합니다. 이러한 연구는 그래프의 구조적 다양성과 실제 데이터 환경의 변동성을 고려한 모델링 방법론을 구축한다는 점에서 차별성을 보유합니다.
관련 연구 성과
관련 논문
7편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 연구에서는 그래프의 연결 구조를 효율적으로 분석하는 커뮤니티 탐지 및 코어 계산 기술을 구축하였습니다. 이후 메타패스 기반 임베딩과 구조 표현 기법을 도입하여 복잡한 관계 데이터에서도 특징을 안정적으로 추출하는 방향으로 확장되었습니다. 최근에는 준지도 학습과 대조 학습을 접목한 그래프 표현 학습을 수행하며, 이상 탐지나 복잡 네트워크 분석 등 실사용 문제로 응용 범위를 넓히고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
A novel graph-based missing values imputation method for industrial lubricant data
OCSM : Finding overlapping cohesive subgraphs with minimum degree
MIGTNet: Metapath Instance-based Graph Transformation Network for heterogeneous graph embedding
mr2vec: Multiple role-based social network embedding
Link Pruning for Community Detection in Social Networks
준지도 대조 학습 기법을 활용한 그래프 이상 탐지
Effective and efficient core computation in signed networks