AI를 위한 필수 수학

352

AI

를 위한 필수 수학

는 애플리케이션, 그래프 모델을 위한 일반적인 작업, 가능한 데이터셋, 모델 평가 방법에 초

점을 맞출 것이다. 우리의 목표는 이 주제의 작동 원리와 이에 대한 강한 직관을 개발하는 것이

다. 그래프 모델에서도 어려운 점은 문제의 차원을 연산과 분석에 적합한 방식으로 줄이면서도

가급적 많은 정보를 보존하는 것이다. 즉, 수백만 명의 사용자를 가진 네트워크의 경우 수백만

차원의 벡터나 행렬을 입력으로 그대로 사용하는 모델을 만들 수는 없다. 따라서 그래프 데이

터에 대한 효율적인 표현 방법이 필요하다.

그래프 신경망에 대해 더 깊고 빠르게 알아보고 싶다면 서베이 논문인 「

A

Comprehensive

Survey

on

Graph

Neural

Networks

」

209

가 훌륭한 출발점이 될 것이다 (그 전에

Chapter

9

의 내용을 꼼꼼히 읽어야 이해할 수 있을 것이다 ).

9.1

그래프: 노드, 엣지, 피처

그래프는 개체 간의 관계를 통해 이산적인 개체 집합을 이해하는 것이 목표인 문제를 모델링하

는 데 잘 맞는다. 그래프 이론은 이산 수학과 컴퓨터 과학 분야에서 비교적 역사가 짧은 분야

로, 사실상 그 응용 분야가 거의 무한하다. 이 분야는 아직 해결되지 않은 많은 문제를 다루기

위해 더 많은 똑똑한 사람들을 필요로 한다.

그래프는 ...