메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
조우성 (국민대학교) 송승헌 (국민대학교) 이재구 (국민대학교)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제49권 제5호
발행연도
2024.5
수록면
734 - 747 (14page)
DOI
10.7840/kics.2024.49.5.734

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
그래프 (Graph) 데이터에서 노드의 중요도는 다양한 곳에서 사용된다. OTT (Over-The-Top)나 전자 상거래 서비스에서 사용자에게 추천할 제품을 선정하기 위해 또는 지식 그래프 (Knowledge Graph)에서 질의 검색 시 우선순위를 결정하기 위해, 한정된 네트워크 자원을 할당하기 위한 우선순위를 정하기 위해 노드 중요도를 사용한다. 본 논문은 학습 방법 및 모델이 사용할 수 있는 데이터의 범위(입력 중요도, 엣지의 종류, 노드 중심성)에 따라노드 중요도 예측 모델을 정리 및 비교하였다. 다루는 모델은 라벨이 있어야 하는 지도 학습 기반으로 한정되어 있다. 따라서 라벨을 얻지 못하거나 라벨이 적은 상황에서 모델을 사용하기 위해 미세 조정을 포함한 귀납적 실험을 수행했다. 한편, 원본 데이터와 목표 데이터의 노드 특징 벡터는 일반적으로 다르게 정의된다. 따라서 원본 데이터에서의 가중치가 목표 데이터에는 적절하지 않을 수 있다. 이에 노드 특징 벡터가 성능에 미치는 영향을 알아보고자 이를 제거한 상태로 학습하는 실험 또한 수행하였다. 실험 결과 대체로 성능 저하가 크지 않았다. 이는 노드 중요도 예측에서 그래프 연결 구조 (Topology)의 중요성을 시사하며, 라벨을 얻지 못하거나 라벨이 적은 상황에서도 귀납 학습을 통해 고품질의 노드 중요도를 얻을 수 있는 것을 시사한다. 이러한 연구 결과는 다양한 분야에서 노드 중요도 예측이 필요한 연구에 도움이 될 것이다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 배경지식
Ⅲ. 노드 중요도 예측 모델
Ⅳ. 실험
Ⅴ. 요약 및 결론
References

참고문헌 (24)

참고문헌 신청

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0