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
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.
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
