복경수 연구실은 대규모 그래프 데이터의 효율적인 저장, 분할, 처리 기술을 핵심 연구 분야로 삼고 있습니다. 최근 데이터의 규모와 복잡성이 급격히 증가함에 따라, 기존의 CPU 기반 처리 방식으로는 대용량 그래프의 실시간 분석 및 처리가 어렵다는 한계가 있습니다. 이에 연구실은 GPU와 같은 고성능 컴퓨팅 자원을 활용하여 그래프 분할 및 처리의 효율성을 극대화하는 다양한 알고리즘과 시스템을 개발하고 있습니다. 특히, 그래프 분할은 NP-완전 문제로서 계산 복잡도가 매우 높기 때문에, 연구실에서는 동적 메모리 관리, 점진적 처리, 스트리밍 클러스터링 등 최신 기법을 도입하여 GPU 환경에서의 그래프 분할을 가속화하고 있습니다. 이러한 기술은 실제로 다양한 대규모 그래프 데이터셋에 적용되어, 기존 기법 대비 처리 속도와 분할 품질에서 우수한 성능을 입증하였습니다. 또한, 그래프의 변화 양상에 따라 동적으로 분할 및 스케줄링을 수행함으로써, 메모리 효율성과 연산 효율성을 동시에 확보하고 있습니다. 이러한 연구는 소셜 네트워크, IoT, 교통 네트워크 등 다양한 응용 분야에서 대규모 그래프 데이터를 실시간으로 분석하고, 복잡한 관계와 패턴을 효과적으로 탐지하는 데 큰 기여를 하고 있습니다. 앞으로도 연구실은 GPU 및 분산 환경에서의 그래프 처리 기술을 지속적으로 고도화하여, 데이터 과학 및 인공지능 분야의 핵심 인프라로 자리매김할 계획입니다.

복경수 연구실은 소셜 네트워크와 빅데이터 환경에서의 전문가 추천, 인플루언서 탐지, 이벤트 검출 등 다양한 데이터 마이닝 및 인공지능 응용 기술을 연구하고 있습니다. 소셜 미디어의 확산으로 인해 방대한 양의 데이터가 실시간으로 생성되고 있으며, 이 데이터를 효과적으로 분석하여 의미 있는 정보를 추출하는 것이 중요한 과제로 부상하고 있습니다. 연구실에서는 사용자 프로필, 소셜 상호작용, 그래프 구조, 시간적 특성 등 다양한 요소를 통합적으로 고려한 전문가 탐색 및 추천 알고리즘을 개발하고 있습니다. 예를 들어, 학술 문헌 기반 전문가 판별 기법, 소셜 미디어 인플루언서 탐지, 사용자 활동 패턴과 카테고리 유사성 기반의 POI 추천 등은 실제 논문과 특허를 통해 그 우수성이 입증되었습니다. 또한, 소셜 네트워크에서 발생하는 다양한 이벤트를 그래프 기반으로 분석하여, 중복 이벤트 검출을 방지하고 신뢰성 높은 이벤트 탐지 결과를 제공하는 기술도 연구의 중요한 축을 이루고 있습니다. 이러한 연구는 학술 정보 검색, 지역 이벤트 감지, 개인화 추천 서비스, 신뢰 기반 콘텐츠 추천 등 다양한 실생활 응용에 적용되고 있습니다. 앞으로도 연구실은 소셜 빅데이터의 신뢰성, 전문성, 실시간성 분석을 위한 첨단 알고리즘과 시스템을 개발하여, 사회적 가치 창출과 데이터 기반 의사결정 지원에 앞장설 것입니다.