딥러닝 기반의 커뮤니티 검출 알고리즘 개발

국문 초록 (Abstract)

현실 세계의 다양하고 복잡한 문제들은 객체와 객체 간의 관계가 포함된 네트워크 형태의 데이터로 모델링될 수 있다. 네트워크 형태의 데이터에는 다양한 요소들이 존재하는 데 그 중 하나인 커뮤니티는 네트워크 분석에 있어서 매우 중요한 역할을 수행한다. 커뮤니티는 메타 노드로써의 역할을 할 수가 있으며, 이런 커뮤니티를 식별함으로써 네트워크의 다양한 속성들을 파악할 수 있기 때문이다. 최근 네트워크 데이터 표현 방식을 사용하는 다양한 딥러닝 알고리즘들이 연구되었다. 그러나 네트워크 데이터에 대해 딥러닝을 적용한 커뮤니티 검출 기법들은 대부분 노드의 특징 벡터를 추출하는 데에만 딥러닝을 활용하고 군집화 과정에서는 정형 데이터에 사용하는 기존의 군집화 기법들을 적용하고 있다. 본 논문에서는 정형데이터 군집화에 사용되는 DEC(Deep Embedded Clustering) 기법에 그래프 임베딩 기법인GAE(Graph Autoencoder)를 접목한 딥러닝 기반의 커뮤니티 검출 알고리즘을 제안한다. 본 논문에서 제안하는 커뮤니티 검출 알고리즘은 정형 데이터 대비 차원 복잡도가 높은 네트워크 데이터를 효과적으로 다루기 위해 코사인 유사도를 적용하였고, 기존 DEC의 손실함수 대신 BCE(Binary Cross Entropy) 손실함수를 적용하였다. 이를 통해 기존의 딥러닝 기반 클러스터링 알고리즘보다 더 안정적이면서 빠르게 최적값에 수렴하는 결과를 얻을 수 있었다.