인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
하이퍼그래프 신경망(HyperGNN)은 고차원 집단 관계를 효과적으로 모델링한다. 기존 T-HyperGNN은 텐서 표현 기반으로 고차원 상호작용을 직접 모델링한다. 하지만 하이퍼엣지 가중치를 노드 수(cardinality)에만 의존하여 계산하므로 내부 노드 특징 유사도를 반영하지 못하는 한계가 있다. 본 논문은 이를 극복하기 위해 분산 기반(VA), 코사인 유사도 기반(Cosine), 두 방식을 학습 가능한 파라미터로 결합한 Hybrid의 세 가지 어텐션 방식을 제안한다. Coauthorship 및 Cocitation 벤치마크 5종으로 실험한 결과, 제안 방식은 5개 데이터셋 모두에서 T-HyperGNN 대비 유의한 개선을 보였다. 특히 Hybrid는 Coauthorship DBLP에서 +9.42%p로 향상 폭이 가장 컸고 Cocitation PubMed에서는 92.03%로 전체 모델 중 정확도가 가장 높았다. 반면 노드 특징이 희소한 데이터셋에서는 기존 모델 대비 낮은 성능을 보였다. 이를 통해 하이퍼엣지 내부 특징 유사도를 반영하는 어텐션 방식이 텐서 기반 접근이 유효한 조건에서 노드 분류 성능을 향상시킴을 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
