그래프 신경망 기반 딥 k-평균 노드 클러스터링Deep k-Means Node Clustering Based on Graph Neural Networks
- Other Titles
- Deep k-Means Node Clustering Based on Graph Neural Networks
- Authors
- 신혜수; 이기용
- Issue Date
- Dec-2023
- Publisher
- 한국정보과학회
- Keywords
- deep clustering; graph node clustering; k-means clustering; graph neural network; 딥 클러스터링; 그래프 노드 클러스터링; k-평균 클러스터링; 그래프 신경망
- Citation
- 정보과학회논문지, v.50, no.12, pp 1153 - 1162
- Pages
- 10
- Journal Title
- 정보과학회논문지
- Volume
- 50
- Number
- 12
- Start Page
- 1153
- End Page
- 1162
- URI
- https://scholarworks.sookmyung.ac.kr/handle/2020.sw.sookmyung/159526
- DOI
- 10.5626/JOK.2023.50.12.1153
- ISSN
- 2383-630X
2383-6296
- Abstract
- 최근 그래프 신경망(graph neural network, GNN)을 사용한 그래프 노드 클러스터링(node clustering) 기법들이 활발히 연구되고 있다. 이들 연구 대부분은 GNN으로 노드들을 저차원 벡터들로 임베딩(embedding)한 뒤, 이 임베딩 벡터들을 기존의 클러스터링 알고리즘으로 클러스터링한다. 하지만 이 방식은 GNN을 훈련시킬 때 클러스터링이라는 최종 목표를 전혀 고려하지 않기 때문에 최적의 클러스터링 결과를 낸다고 보기 어렵다. 따라서 본 논문은 k-평균 클러스터링이라는 최종 목표를 고려하여 GNN을 반복적으로 훈련시키고 그 결과로 얻어진 노드들의 임베딩 벡터들로 노드들을 k-평균 클러스터링하는 딥 k-평균 클러스터링 기법을 제안한다. 제안 방법은 GNN을 훈련시킬 때 노드들의 유사도뿐만 아니라 k-평균 클러스터링의 손실까지 고려한다. 실데이터를 사용한 실험 결과 제안 방법은 기존 방법에 비해 k-평균 클러스터링 결과의 품질을 향상함을 확인하였다.
- Files in This Item
-
Go to Link
- Appears in
Collections - 공과대학 > 소프트웨어학부 > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.