| 연구목표 |
그래프(graph)는 복잡계를 분석하는 도구로 널리 사용되어왔다. 하지만, 그래프는 쌍 상호작용(pairwise interaction)밖에 표현하지 못하는 반면, 많은 복잡계에는 그룹 상호작용(group interaction)이 존재한다. 여러 사람이 참여하는 토론, 팀으로의 협력, 생명체 내의 약물 간 상호작용 등이 그 예이다. 그룹 상호작용으로 구성된 ... |
| 연구내용 |
본 연구에서는 현실 세계에 존재하는 대용량 하이퍼그래프에 대한 실증적 분석과 이를 위한 데이터마이닝 및 기계학습 방법론 개발을 수행한다. 구체적으로, 논문 공저, 온라인 토론, 약물 간 상호작용, 함께 구매한 상품, 이메일 공동 수신자 등 다양한 도메인에서 수집된 20여 개의 실제 하이퍼그래프 데이터를 사용하여, 다음 네 가지 방향으로 연구를 수행한다.(1... |
| 기대효과 |
사회, 웹, 생명, 의료 등 다양한 분야의 복잡계는 구성 요소 간의 그룹 상호작용으로 이루어지기 때문에, 자연스럽게 하이퍼그래프로 표현된다. 이러한 실제 하이퍼그래프들이 공통으로 갖는 구조적 패턴을 찾아내고, 그러한 패턴을 설명 및 재현할 수 있는 하이퍼그래프 생성 모형을 설계함으로써, 복잡계에 대한 이해가 깊어질 것이다. 또한 새로운 데이터마이닝 및 기계... |
| 키워드 |
하이퍼그래프, 그룹 상호작용, 하이퍼그래프 신경망, 데이터 마이닝, 기계 학습 |