AI를 위한 필수 수학

387

Chapter 9 -

그래프 모델

241

https://oreil.ly/rVvgg

242

https://oreil.ly/YHvpp

243

https://oreil.ly/Ui3IF

의 한 가지 예가 논문 「

Link

Prediction

with

Graph

Neural

Networks

and

Knowledge

Extraction

」

241

에 나와 있다.

9.10

동적 그래프 모델

앞서 논의한 많은 애플리케이션은 본질적으로 동적이기 때문에 그래프 모델에 시간 종속성을

포함하면 이러한 이점을 얻을 수 있다. 트래픽 예측, 분산 네트워크의 부하 분산, 모든 종류의

상호 작용하는 파티클 시스템 시뮬레이션, 불법 야생 동물 거래 모니터링 등이 그 예다. 동적

그래프 모델에서는 노드와 엣지의 기능이 시간에 따라 진화할 수 있으며 일부 노드나 엣지를

추가하거나 제거할 수 있다. 동적 그래프 모델링은 시장의 최신 거래 동향, 변동, 특정 네트워

크의 새로운 범죄 활동, 교통 시스템의 새로운 경로 또는 연결 같은 정보를 잡아낸다.

동적 그래프를 모델링하고 이로부터 정보를 추출하는 방법에 대한 생각은 새로운 것이 아니다

(논문 「

Dynamic

Graph

Models

」

242

를 참고하자 ). 여기에 딥러닝을 도입하면 이러한 시스

템에서 지식과 인사이트를 추출하는 것이 더 간단해진다. ...