프로젝트 소개
본 과제는 대량의 그래프 데이터에서 중요한 특징을 스스로 학습하고, 이를 다른 문제에 활용하는 그래프 딥러닝 기술 개발 연구임. 정답이 표시된 데이터가 적어도 그래프의 구조와 특성을 효과적으로 파악하여 높은 성능을 확보하는 것을 지향함.
연구 목표는 학습데이터 샘플링, 그래프 데이터 고도화, 자기지도학습 태스크 다양화 및 최적 조합 자동 선택을 통해 목표 태스크 성능을 안정적으로 향상하는 적응적 자기지도학습 프레임워크 개발임. 핵심 연구 내용은 강화학습 기반 Adaptive Graph Data Sampling, 그래프 데이터 확장 및 변형, 다양한 Auxiliary Tasks for Graph Transfer Learning 설계, 손실함수와 보조 태스크의 기여도 분석, 최적 자기지도학습 조합의 자동 탐색임. 기대 효과는 학습데이터 레이블링 부담 감소, 기존 대용량 그래프를 활용한 정확도 향상, 초대형 그래프와 이종 그래프에서의 전이학습 성능 개선 및 그래프 딥러닝 활용 확대임.