Knowledge-Augmented Transformer for Game Prediction and Time-Series Classification
연구 내용
지식 증강과 Transformer를 결합해 게임 승부를 예측하고, 시계열 데이터를 그래프 구조로 변환해 분류 성능을 향상하는 연구
Transformer 기반 분류·예측 문제에서 추가 정보를 지식 형태로 결합하는 연구를 수행합니다. 게임 승부 예측에서는 LLM 모델 기반 시스템에 knowledge augmentation 기법을 적용하여 입력 데이터를 기반으로 전략 등 부가 정보를 추론하고 프롬프트에 활용합니다. 또한 시계열 분류에서는 시간에 따라 변하는 동적 관계를 다루기 위해 인코더 기반 Transformer에 지식 증강을 결합합니다. 시계열 데이터를 그래프 구조로 전처리하고 relational attention과 temporal attention으로 핵심 관계와 시간 지점을 함께 학습합니다. 이 과정에서 기호적 추론을 통해 암묵 정보를 포착하는 구성을 포함합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
2024년에는 게임 상황을 분석해 승부 예측과 전략 추정을 수행하기 위해 knowledge augmentation이 포함된 LLM/Transformer 기반 시스템을 제안했습니다. 입력 로그의 초기 예측 한계를 고려하여 프롬프트에 활용할 부가 지식을 생성하도록 설계했습니다. 이후 2025년에는 범용 시계열 분류로 확장하여 그래프 변환 기반 관계 학습과 relational·temporal attention을 구성했습니다. 지식 증강을 통해 복잡한 암묵 정보를 반영하는 방향으로 모델링을 심화했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Game Winner Prediction System Using Knowledge-Augmented Transformer
Time Series Data Classification using the Knowledge-Augmented Transformer Model