프로젝트 소개
본 과제는 레이블이 없는 대용량 그래프 데이터를 활용해 그래프 딥러닝 성능을 높이는 자기지도학습 기술 개발 연구임. 학습데이터 샘플링, 그래프 데이터 고도화, 학습 태스크 다양화를 통해 그래프의 구조와 특성을 더 잘 발굴하고 목표 태스크로 전이하는 방향의 연구임.
연구 목표는 데이터와 태스크에 맞는 적응적 자기지도학습 조합을 찾고, 사용자 개입 없이 최적 조합을 자동 선택하는 그래프 딥러닝 프레임워크 구축임. 핵심 내용은 강화학습 기반 샘플러, 그래프 데이터 생성·확장, 복원 태스크 외 보조 태스크의 전이 효과 분석임. 기대 효과는 레이블링 부담 감소, 대용량 그래프 활용한 정확도 향상, 초대형·이종 그래프 전이 가능성 확대임