본 연구실은 다양한 유형의 대용량 데이터를 효과적으로 수집, 저장, 관리, 처리 및 분석하는 기술을 중점적으로 연구하고 있습니다. 소셜 데이터, 학술 데이터, 교통 데이터, 그래프 데이터 등 다양한 도메인에서 발생하는 빅데이터를 대상으로 하며, 데이터의 특성에 따라 최적화된 데이터 수집 및 저장 구조를 설계합니다. 이를 위해 분산 파일 시스템, NoSQL 데이터베이스, 클라우드 기반 데이터 관리 시스템 등 최신 데이터 저장 및 관리 기술을 적극적으로 도입하고 있습니다. 데이터의 효율적인 처리를 위해 분산 환경에서의 데이터 저장 및 관리 기법을 개발하고, 실시간 데이터 스트림 처리와 대용량 그래프 데이터의 분산 처리 기술을 연구합니다. 특히, Apache Spark와 같은 분산 처리 프레임워크를 활용하여 대규모 데이터의 실시간 분석 및 질의 처리 성능을 극대화하는 방법론을 제시하고 있습니다. 또한, 데이터의 신뢰성과 일관성을 보장하기 위한 데이터 품질 관리 및 이력 관리 기법도 함께 연구하고 있습니다. 이러한 연구는 실제 산업 현장에서 발생하는 다양한 데이터 관리 문제를 해결하는 데 기여하고 있으며, 공공기관, 기업, 학술기관 등에서 요구하는 대규모 데이터 처리 및 분석 시스템의 설계와 구현에 직접적으로 활용되고 있습니다. 앞으로도 데이터의 다양성과 규모가 지속적으로 증가함에 따라, 본 연구실은 데이터 수집부터 저장, 관리, 분석에 이르는 전 주기적 데이터 관리 기술의 고도화에 집중할 계획입니다.

본 연구실은 분산 환경에서의 실시간 그래프 데이터 처리와 이를 기반으로 한 추천 시스템, 전문가 검색, 소셜 데이터 분석 등 다양한 응용 분야에 대한 연구를 활발히 수행하고 있습니다. 대규모 그래프 데이터는 소셜 네트워크, 교통 네트워크, 학술 네트워크 등 다양한 분야에서 핵심적인 역할을 하며, 이러한 그래프 데이터를 효율적으로 분할, 저장, 처리하는 기술이 필수적입니다. 본 연구실에서는 GPU 가속 그래프 처리, 동적 그래프 분할, 그래프 스트림 데이터의 실시간 분석 등 첨단 그래프 처리 기술을 개발하고 있습니다. 실시간 스트림 데이터 처리에서는 Storm, Spark Streaming 등 분산 스트림 처리 플랫폼을 활용하여, 대용량 데이터의 실시간 이벤트 탐지, 이상 탐지, 트렌드 분석, 인플루언서 탐지 등 다양한 분석 기법을 연구합니다. 또한, 그래프 기반의 추천 시스템과 전문가 검색 시스템을 개발하여, 사용자 맞춤형 정보 제공, 소셜 네트워크 내 영향력 분석, 학술 전문가 추천 등 실제 서비스에 적용 가능한 기술을 구현하고 있습니다. 이와 더불어, 본 연구실은 그래프 신경망(GNN), 딥러닝 기반의 그래프 분석, 데이터 증강, 하이브리드 추천 알고리즘 등 최신 인공지능 기법을 그래프 데이터 처리와 추천 시스템에 접목하고 있습니다. 이러한 연구는 소셜 미디어, 학술 정보 서비스, 교통 정보 시스템 등 다양한 분야에서 데이터 기반의 지능형 서비스 개발에 기여하고 있으며, 앞으로도 실시간 분산 그래프 처리와 추천 시스템의 고도화를 통해 데이터 중심의 미래 사회를 선도할 계획입니다.