Research

우리 연구실은 복잡한 관계형 데이터에서 구조적 패턴을 추출하고, 데이터 중심의 의사결정을 지원하는 알고리즘·AI 기술을 연구합니다. 

그래프(네트워크), 시공간 정보, 센서·트랜잭션 로그 등 다양한 대규모 관계 데이터를 분석하며, 데이터 마이닝–AI–최적화–그래프 알고리즘을 융합한 고성능 분석 기법을 설계합니다. 

또한 본 연구실은 SIGMOD, VLDB, ICDE, EDBT, DASFAA 등 주요 톱티어 학회에서 꾸준히 연구 성과를 발표하며, 그래프 마이닝·네트워크 분석 분야에서 국제적인 연구 역량을 인정받고 있습니다.

주요 연구 주제 (Graph-Oriented Research Topics)

• 데이터 마이닝 (Data Mining & Large-Scale Analytics)

  • 대규모 산업·사회 데이터를 대상으로 한 패턴 발견, 이상 탐지, 예측 모델링 

  • 연관 분석, 분류/회귀, 클러스터링 등 핵심 데이터 마이닝 기법 

  • 대용량 데이터 처리 및 분석

• 사회·도시·소셜 네트워크 분석 (Social & Urban Network Analysis)

  • 인간–기업–공간 간 상호작용 구조 분석 

  • 도시 상권 변화, 교통 흐름, 정보 확산 모델링 

  • 소셜 네트워크 기반 영향력 분석, 개인화된 커뮤니티 분석

• 그래프 데이터 분석

  • 구조적으로 의미 있는 노드·에지 집합 탐색 (커뮤니티 탐지, 검색, 코어/트러스 기반 서브그래프 분석) 

  • 쿼리 노드 기반 커뮤니티 탐색, 전체 네트워크 클러스터링 

  • 네트워크 이상 탐지(Graph Anomaly Detection) 및 그래프 기반 데이터 품질 개선 

  • Bipartite / Signed / Weighted / Hypergraph 등 특수 구조 네트워크 분석

• LLM 비용 최적화를 위한 그래프 알고리즘

• LLM 비용을 고려한 프로빙 최소화 알고리즘

• 구조를 빠르게 찾는 적응형 샘플링(adaptive sampling), 계층적 탐색 기법

• Reasoning 비용 최소화를 위한 의미 중심 필터링 및 그래프 요약