상세 설명

황혜수 연구실은 그래프 신경망(GNN)과 비지도 그래프 표현 학습 분야에서 선도적인 연구를 수행하고 있습니다. 최근 발표된 논문에서는 간선 판별기와 탈결합 인코더를 활용하여 그래프의 과평탄화 문제를 해결하는 새로운 비지도 학습 모델(UED)을 제안하였습니다. 이 모델은 이질적인 이웃 정점의 병합과 그래프 합성곱에서의 전파와 특징 변환의 결합으로 인한 정보 손실을 효과적으로 완화합니다. 또한, 연구실에서는 추천 시스템에 적용 가능한 그래프 신경망 기반의 협업 필터링 모델도 개발하고 있습니다. 예를 들어, Inductive Embedded Graph Trend Filtering Networks(IGTN)는 이질 간선과 신규 간선이 추가되는 동적 환경에서도 모델의 재학습 없이 높은 추천 성능을 유지할 수 있도록 설계되었습니다. 이러한 연구는 실제 대규모 추천 시스템이나 소셜 네트워크 분석 등 다양한 응용 분야에 적용될 수 있습니다. 그래프 신경망의 구조적 특성과 데이터의 이질성을 고려한 새로운 학습 방법론 개발을 통해, 황혜수 연구실은 그래프 기반 데이터 분석의 정확도와 효율성을 동시에 향상시키고 있습니다. 앞으로도 그래프 딥러닝의 이론적 발전과 실용적 응용을 위한 다양한 연구를 지속할 예정입니다.

키워드

관련 이미지

관련 자료