AI를 위한 필수 수학

367

Chapter 9 -

그래프 모델

온라인에는 유용한 데이터가 많다. 페이스북의

Data

for

Good

221

에는 인구 밀도, 사회적 이

동성 및 여행 패턴, 사회적 연결성 등에 관한 데이터가 풍부하다. 구글의

COVID

-

19

커뮤니

티 이동성 보고서에는 구글 지도 및 기타 제품에서 얻은 인사이트를 소매점, 식료품점, 약국,

공원, 환승역, 직장, 주거 지역 등 다양한 범주의 장소에 걸쳐 지역별 시간 경과에 따른 이동 추

세를 차트화한 데이터셋에 담았다. 마찬가지로 애플과 아마존의 이동성 데이터도

COVID

-

19

의 확산을 제한하기 위한 노력을 지원하는 비슷한 목적을 가지고 있다.

9.6.3

정보의 확산

그래프를 활용해 정보, 질병, 루머, 가십, 컴퓨터 바이러스, 혁신적인 아이디어 등의 확산을 모

델링할 수 있다. 이러한 모델은 일반적으로 각 노드가 개인에 해당하는 방향성 그래프이며, 엣

지에 개인 간의 상호 작용에 대한 정보가 저장된다. 엣지의 태그, 즉 가중치는 일반적으로 확률

이다.

node

i

와

node

j

를 연결하는 엣지의 가중치

w

ij

는 특정 효과 (

예

질병, 루머, 컴퓨터 바이러

스 등 )가

node

i

에서

node

j

로 전파될 확률이다.

9.6.4

가짜 뉴스 전파의 탐지와 추적

그래프 신경망은 콘텐츠 기반 자연어 처리 접근법보다 가짜 뉴스 탐지 작업에서 ...