GraphSAINT-NRW, ERW: 노드 계수가 반영된 무작위 보행을 활용한 서브그래프 샘플링 기법

Q: 이 논문에서 정의한 GraphSAINT란 무엇인가?

그래프 데이터의 서브 그래프 샘플링을 통해 딥러닝 모델 학습 과정에서 발생하는 연산 시간의 증가와 메모리 부족 문제를 해결하는 기법이다. 원본 그래프에서 일부 노드와 엣지를 선택하여 작은 크기의 그래프를 생성함으로써 모델 학습의 효율성을 높이는 역할을 수행한다.

Q: 노드 계수를 활용한 샘플링 기법이 GraphSAINT의 성능을 어떻게 향상시키는가?

연구 결과, 시작 노드 선택 시 허브 노드의 중요도를 반영한 NRW 방식과 엣지 선택 확률을 조정한 ERW 방식을 통해 샘플링 효율을 높였다. 특히 PPI 및 Clique 데이터 세트에서 더 많은 노드를 고려함으로써 기존 모델보다 높은 F1-micro 점수를 기록하였다.

신주영; 이영구

학술대회자료

저자정보: 신주영 (경희대학교) 이영구 (경희대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2022 한국소프트웨어종합학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

최근 그래프 데이터를 활용한 딥러닝 기술들이 제안되었다. 그러나, 실세계 그래프 데이터는 그 크기로 인해 학습 연산 시간 및 메모리 문제가 발생할 수 있다. 이를 해결하기 위해 학습할 원본 그래프 데이터에 서브 그래프 샘플링을 적용하여 데이터의 크기를 감소시킨다. 샘플링 기 ... 전체 초록 보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료

댓글(0)