KSC 2020
Current Result Document :
| 한글제목(Korean Title) |
그래프의 패턴 탐지를 위한 노드간 관계 추론기반의 서브그래프 분할을 사용한 그래프 패턴탐지 방법 |
| 영문제목(English Title) |
Graph Pattern Detection Methods Using Subgraph Segmentation based on Internode Relationship Inference |
| 저자(Author) |
문형준
김진영
조성배
Hyung-Joon Moon
Jin-Young Kim
Sung-Bae Cho
|
| 원문수록처(Citation) |
VOL 47 NO. 02 PP. 0725 ~ 0727 (2020. 12) |
한글내용
(Korean Abstract) |
그래프 분류 문제는 그래프 구조 자료형에서 중요한 주제 중 하나이다. 딥러닝 기반 기존 그래프 패턴 발견은 원본 그래프 전부를 사용하여 패턴을 추출하며 그래프 분류 문제에서 좋은 성능을 보여주고 있다. 그러나 그래프 구조에서 국소지역에서 패턴이 존재할 경우 기존 그래프 패턴 발견은 그래프의 노드간 관계를 희석시키는 현상이 발생해 의미론적 구조특징이 추출되지 않는 현상이 나타난다. 본 논문에서는 그래프의 의미론적 구조 특징에 따라 원본 그래프를 분할하고 추출된 서브그래프를 가중치 공유 모델에 학습시켜 그래프를 분류하는 방법을 제안한다. 제안하는 방법을 검증하기 위해 벤치마크 데이터셋인 IMDB, PROTEINS, MUTAG에 대한 분류실험을 수행한 결과 기존 모델 대비 2.3%p 성능 향상을 확인할 수 있었으며, 추가로 수행된 그래프의 엣지와 학습을 통해 재표현된 엣지의 경우 81%의 유사성을 보였다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
