인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Graph Attention Network(GAT)는 이웃 노드 간의 중요도를 학습해 비정형 그래프 구조에서 우수한 성능을 보였지만, attention score의 상대적 표현 한계 및 임베딩 간 과도한 동질화(over-smoothing) 문제가 존재한다. 본 연구는 GAT 구조에 두 가지 contrastive 요소를 통합한 Universal Contrastive GAT(UCGAT)를 제안한다. 첫째, attention 계산에 contrastive attention correction을 적용하여 구조적으로 유사한 이웃 간에도 의미적 차이를 정밀하게 반영한다. 둘째, InfoNCE 기반 contrastive loss를 학습 목표에 도입하여 클래스 간 임베딩 분리를 유도한다. Cora, Citeseer, Pubmed 세 가지 benchmark 데이터셋에서의 실험 결과는 제안 모델이 분류 정확도와 임베딩 품질 모두에서 기존 GAT 및 단일 기법 대비 우수한 성능을 보였음을 입증하며, attention 구조 내부의 세분화와 임베딩 공간의 분리 강화가 상호보완적으로 작용함을 확인하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094552355
