이종 그래프상의 비유클리디안 데이터 분석을 위한 쌍곡 그래프 변형 인공 신경망 


48권  2호, pp. 217-225, 2월  2021
10.5626/JOK.2021.48.2.217


PDF

  요약

합성곱 기반인 합성곱 인공 신경망(CNNs)은 이미지 분류, 이미지 생성, 시계열 분석 등에 다양하게 쓰이고 있다. 하지만 일반적인 유클리디안 공간과는 달리 그래프와 같은 비유클리디안 공간에서는 합성곱을 바로 적용할 수 없다. 이를 극복하기 위해 다양한 기법으로 합성곱을 그래프 상으로 확장하였으며, 다양한 그래프 인공 신경망(GNNs)이 제안되어 왔다. 하지만 기존의 그래프 인공 신경망 연구는 간선의 타입이 하나인 동종 그래프 분석에 국한되어 있는데 반해, 현실의 데이터는 간선의 타입이 많은 이종그래프 데이터인 경우가 많기 때문에 이를 기존의 그래프 인공 신경망으로 해결하려 하면 큰 왜곡이 생기게 된다. 본 연구는 계층적 구조를 가진 이종 그래프 데이터를 효과적으로 다루기 위하여 그래프 변형 네트워크(GTNs) 모델과 쌍곡 그래프 합성곱 네트워크(HGCNs) 모델을 통합하여 새로운 모델인 쌍곡 그래프 변형 네트워크(HGTNs)를 제안한다.


  통계
2022년 11월부터 누적 집계
동일한 세션일 때 여러 번 접속해도 한 번만 카운트됩니다. 그래프 위에 마우스를 올리면 자세한 수치를 확인하실 수 있습니다.
  논문 참조

[IEEE Style]

S. Lee, H. Park, H. J. Kim, "Hyperbolic Graph Transformer Networks for non-Euclidean Data Analysis on Heterogeneous Graphs," Journal of KIISE, JOK, vol. 48, no. 2, pp. 217-225, 2021. DOI: 10.5626/JOK.2021.48.2.217.


[ACM Style]

Seunghun Lee, Hyeonjin Park, and Hyunwoo J Kim. 2021. Hyperbolic Graph Transformer Networks for non-Euclidean Data Analysis on Heterogeneous Graphs. Journal of KIISE, JOK, 48, 2, (2021), 217-225. DOI: 10.5626/JOK.2021.48.2.217.


[KCI Style]

이승훈, 박현진, 김현우, "이종 그래프상의 비유클리디안 데이터 분석을 위한 쌍곡 그래프 변형 인공 신경망," 한국정보과학회 논문지, 제48권, 제2호, 217~225쪽, 2021. DOI: 10.5626/JOK.2021.48.2.217.


[Endnote/Zotero/Mendeley (RIS)]  Download


[BibTeX]  Download



Search




Journal of KIISE

  • ISSN : 2383-630X(Print)
  • ISSN : 2383-6296(Electronic)
  • KCI Accredited Journal

사무국

  • Tel. +82-2-588-9240
  • Fax. +82-2-521-1352
  • E-mail. chwoo@kiise.or.kr