■ 효과적인 그래프 증강 기법이 만족해야하는 5개의 특성 제시
■ 모든 특성을 만족하는 그래프 증강 기법인 NodeSam 과 SubMix 개발
■ 제안한 기법들을 이용하여 그래프 분류 정확도 향상

<a href='https://datalab.snu.ac.kr' target='_self'>강유 교수 연구진</a>이 주어진 그래프에 대한 증강(augmentation) 기법을 개발하여, 그래프 분류의 정확도를 높이는 기법을 제시하였다. 제안한 기법은 기존 연구의 성능을 능가하는 최고 수준의 성능을 보였다.

그래프는 소셜 네트워크, 인터넷 연결 망 등 다양한 데이터를 모델링하는데 쓰이며, 그래프 분류는 시계열, 웹, 언어 처리, 이미지 등 다양한 응용에 활용되는 핵심 기술이다. <a href='https://datalab.snu.ac.kr' target='_self'>강유 교수 연구진</a>은 그래프 내 핵심 부분을 보존하지 못하는 기존 연구들의 단점을 극복하여 NodeSam 과 SubMix 기법을 개발하였다. 두 알고리즘은 그래프 분류 정확도를 기존 기법 대비 최대 2.1배 향상시켰다.

이번 연구 결과는 오는 4월 <a href='https://www2022.thewebconf.org/' target='_self'>WebConf (WWW) 2022</a>에 발표될 예정이다.

한편 <a href='https://datalab.snu.ac.kr' target='_self'>강유 교수 연구진</a>의 하이퍼그래프 샘플링 관련 논문도 <a href='https://www2022.thewebconf.org/' target='_self'>WebConf (WWW) 2022</a>에 추가로 채택되었다.

"<a href='https://arxiv.org/pdf/2202.10107.pdf' target='_self'>Model-Agnostic Augmentation for Accurate Graph Classification</a>”, Jaemin Yoo, Sooyeon Shim and U Kang, The WebConf 2022, Lyon, France