Current Result Document :
| 한글제목(Korean Title) |
역할 정보를 반영한 다중 네트워크 임베딩 |
| 영문제목(English Title) |
Role-based Multi-aspect Network Embedding |
| 저자(Author) |
정수환
성낙현
김정환
임성수
Soohwan Jeong
Nakhyeon Seong
Junghwan Kim
Sungsu Lim
|
| 원문수록처(Citation) |
VOL 48 NO. 02 PP. 0093 ~ 0095 (2021. 12) |
한글내용
(Korean Abstract) |
기계학습 문제를 해결하는데 있어서 중요한 방법 중 하나는 입력 데이터에 대한 유용한 표현을 찾는 것이다. 이러한 데이터 변환은 더 정교한 예측 모델의 개발을 이끈다. 최근에는 데이터르 객체들과 이들 사이의 관계로 표현하는 그래프 데이터베이스의 활용이 증가하고 있다. 그래프 형태의 입력 데이터에 대한 적절한 표현을 찾는 방법으로는 네트워크 임베딩이 대표적이며, 이를 통해 복잡한 그래프 데이터베이스의 문제를 저차원 공간상의 벡터 표현들을 활용하여 더 쉽게 해결할 수 있다. 기존의 네트워크 임베딩 기법들은 그래프 내의 각 노드를 단일 벡터로 표현하는 것에 초점을 맞추었고, 이로 인하여 표현력의 제약을 가졌다. 이 연구에서는 각 노드가 단일 벡터로 표현되는 것을 극복하고자, 중첩 커뮤니티 발견 기법을 활용하여 각 노드가 가진 다중 역할을 찾고, 역할의 개수만큼 각 노드를 복제하였다. 각 노드의 위상 정보와 역할 정보를 함께 활용하여 복제된 노드 간 유사도가 높은 경우 가까운 벡터로 표현을 가지도록 손실 함수를 정의하였고, 각 노드를 역할의 수만큼 다중 벡터로 표현할 수 있게 하였다. 제안하는 기법의 성능 평가를 위하여 실세계 그래프 데이터셋에 대한 연결 예측을 실시하였다. 기존의 단일 및 다중 역할 네트워크 임베딩 기법들과 비교하여 제안하는 기법의 우수성을 입증하였다. 특히, 방향성을 가진 링크를 포함한 그래프에 대해 제안 기법이 뛰어난 성능을 보이는 것을 확인하였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
