연구 분야 / Research Interests
변문수는 그래프 신경망(GNN)의 본질적 한계인 “불완전한 그래프 구조” 문제를 다룹니다. 실제 그래프에는 유의미한 연결이 누락되거나 노이즈성 엣지가 포함되어 있어 메시지 전달의 효율성이 저하되는데, 이를 개선하기 위해 ASGAT(Adaptive Structure Graph Attention Network)를 제안합니다. ASGAT는 GATv2 백본 위에서 학습된 노드 임베딩 간 코사인 유사도를 활용해 잠재적으로 유익한 후보 엣지를 탐색하고, 통계적 프루닝(mean − λ·std) 기반의 필터링을 통해 그래프 구조를 반복적으로 정제합니다. 동질적·이질적 그래프 모두에서 노드 분류 성능을 향상시키는 것이 목표입니다.
Munsu’s research addresses a fundamental limitation of graph neural networks: imperfect graph structures with missing meaningful connections or noisy edges that degrade message-passing efficiency. To overcome this, he proposes ASGAT (Adaptive Structure Graph Attention Network), which builds on a GATv2 backbone and uses cosine similarity between learned node embeddings to find potentially useful candidate edges, iteratively refining the graph structure via statistical pruning (mean − λ·std). The approach aims to improve node classification performance on both homophilic and heterophilic graphs.
진행 중인 연구 / Ongoing Research
- ASGAT: Adaptive Structure Graph Attention for Iterative Graph Refinement
학력 / Education
- 학석사 연계과정 (학부 4학년), 빅데이터융합학과, 전남대학교