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
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제26권 제9호
- 발행연도
- 2020.9
- 수록면
- 419 - 423 (5page)
- DOI
- 10.5626/KTCP.2020.26.9.419
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
그래프 뉴럴 네트워크는 그래프에서 노드를 벡터의 형태로 임베딩할 때, 해당 노드와 이웃 관계에 있는 노드들의 정보까지 담아서 학습하는 방법이다. 일반적으로 그래프 뉴럴 네트워크는 모든 연결된 노드들을 동등한 가중치로 생각하여 평균을 내는 방식을 사용함으로 그래프를 분석한다. 허나 이는 그래프의 구조적 연결성을 반영하지 못하였기 때문에 정확성과 신뢰도를 떨어뜨린다. 따라서 본 논문은 랜덤 워크의 점수를 통해 구조적 연결성과 유사성을 얻어내고 이를 그래프 뉴럴 네트워크에서 노드의 가중치로 부여함으로써, 노드 분류의 정확성을 높이는 방법을 제시한다. 또한 이를 노드 분류에서 실험하여 기존의 방법들과 비교한 결과로 우리 방법의 우수함을 보인다.
목차
요약
Abstract
1. 서론
2. 배경 지식 및 관련 연구
3. 제안 방법
4. 실험 및 결과
5. 결론 및 향후 연구
References
참고문헌 (13)
참고문헌 신청
H. Will, Z. Ying, and J. Leskovec, Inductive representation learning on large graphs, Advances in neural information processing systems, 2017.
L. Qimai, Z. Han, and X.-M. Wu, Deeper insights into graph convolutional networks for semi-supervised learning, Thirty-Second AAAI Conference on Artificial Intelligence, 2018.
Veli?kovi?, et al., Graph attention networks, The International Conference on Learning Representations, 2018.
Kipf, Thomas N., and M. Welling, Semi-supervised classification with graph convolutional networks, The International Conference on Learning Representations, 2017.
Wu, Felix, et al., Simplifying Graph Convolutional Networks, International Conference on Machine Learning, 2019.
L. Qimai, Z. Han, and X.-M. Wu, Deeper insights into graph convolutional networks for semi-supervised learning, Thirty-Second AAAI Conference on Artificial Intelligence, 2018.
Veli?kovi?, et al., Graph attention networks, The International Conference on Learning Representations, 2018.
Kipf, Thomas N., and M. Welling, Semi-supervised classification with graph convolutional networks, The International Conference on Learning Representations, 2017.
Wu, Felix, et al., Simplifying Graph Convolutional Networks, International Conference on Machine Learning, 2019.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
랜덤 워크 점수를 사용한 그래프 뉴럴 네트워크 기반 노드 분류
한국정보과학회 학술발표논문집
2019 .12
-
상호정보량과 그래프 뉴럴 네트워크 기반의 설명가능한 링크 예측
정보과학회 컴퓨팅의 실제 논문지
2021 .09
-
그래프 합성곱 신경망을 위한 특징 노드를 활용한 그래프 확장 기법
한국정보과학회 학술발표논문집
2023 .06
-
Graph Convolutional Networks with Elaborate Neighborhood Selection
Journal of KIISE
2019 .11
-
Knowledge Graph Embedding for Link Prediction using Node-Link Interaction-based Graph Attention Networks
Journal of KIISE
2022 .07
-
An Embedding Technique for Weighted Graphs using LSTM Autoencoders
Journal of KIISE
2021 .01
-
[우수논문] 그래프의 노드들에 대한 딥 k-평균 클러스터링 기법
한국정보과학회 학술발표논문집
2022 .12
-
인접성 벡터를 이용한 트리플 지식 그래프의 임베딩 모델 개선
한국전자거래학회지
2021 .08
-
그래프의 링크 구조 및 노드 특성을 고려한 클러스터링 알고리즘
한국정보과학회 학술발표논문집
2018 .06
-
스펙트럴 분석을 활용한 그래프 신경망 구조 결정 방법
대한산업공학회 춘계공동학술대회 논문집
2023 .05
-
분자 그래프 데이터셋의 특징 분석 및 노드 특성 구성에 따른 성능 비교
한국정보과학회 학술발표논문집
2023 .06
-
그래프 국소 정보 추출을 통한 분할 알고리즘 기반 그래프 분류 방법
한국정보과학회 학술발표논문집
2021 .12
-
어텐션 기반의 멀티 그래프 임베딩 방법론에 관한 연구
한국지능정보시스템학회 학술대회논문집
2022 .11
-
사이버보안을 위한 그래프 신경망과 노드임베딩 기반의 이상탐지 시스템
한국지능시스템학회 논문지
2024 .10
-
이질형 그래프에서의 간선 예측을 위한 고차 그래프 뉴럴 네트워크
한국정보과학회 학술발표논문집
2021 .06
-
그래프 트랜스포머 기반 농가 사과 품질 이미지의 그래프 표현 학습 연구
스마트미디어저널
2023 .02
-
그래프 신경망 노드 속성에 의한 채널 복호의 개선
한국통신학회 학술대회논문집
2023 .02
-
전달성 커널을 사용한 그래프 컨볼루션 네트워크 기반 간선 예측
한국정보과학회 학술발표논문집
2021 .06
-
노드-링크 그래프 기반 연결성을 고려하는 딥러닝을 이용한 골격계 영상의 골 미세구조 재구성
대한기계학회 춘추학술대회
2022 .05
-
실생활 그래프 데이터셋에서의 GNN과 MLP의 노드 분류 성능 차이 요인 분석
한국정보과학회 학술발표논문집
2024 .12
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0