About GLI Lab.

We strive for technological innovation across various real-world applications such as explainable and conversational recommendations, information retrieval and extraction, and trustworthy response generation. To achieve this, we actively research and develop advanced methods including Graph Neural Networks (GNNs), multimodal and knowledge-enhanced Large Language Models (LLMs), Synergizing LLMs and Graphs techniques, GraphRAG, and LLM-based agents, aiming toward knowledge-enhanced intelligent systems.

그래프는 다출처 데이터와 지식 간의 관계, 규칙, 제약사항 등을 명확하게 구조화하고 잠재적 지식을 탐색할 수 있습니다.텍스트는 인간의 방대한 지식과 정보를 담고있지만, 이로부터 의미 있는 정보를 추출/분석할 수 있어야합니다. 이미 글로벌 빅테크 기업들은 자사의 핵심 사업 분야인 검색/추천/개인화/추론/탐지 서비스 고도화를 위해 그래프와 텍스트 데이터를 유기적으로 융합하여 활용하고 있습니다.

이에 본 연구실에서는 자연어처리, 컴퓨터비전, 이상탐지 등 전통적인 딥러닝 모델이 가지는 한계점을 극복하고자 합니다. 기존 딥러닝 방법론과 그래프 기반 접근을 유기적으로 융합하여, 지식 중심(Knowledge-driven)의 추론 가능한 AI를 구현하기 위한 그래프 기반 딥러닝의 원천기술을 다방면으로 연구개발하는 것을 목표로 합니다.

구체적으로, 텍스트와 이미지 같은 비정형 멀티모달 데이터뿐만 아니라, 행렬, 시계열, 그래프 등 다양한 데이터로부터 아이템 속성, 사용자 프로필, 도메인 지식, 상식, 제약 정보 등의 관계지식을 그래프 형태로 구조화하고, 이를 지속적으로 확장합니다. 또한, 언어모델(LLMs), 추천시스템, 이상탐지 등 다양한 딥러닝 기술에 그래프 기반 딥러닝을 융합하여, 사용자 의도와 선호, 사실 정보 등을 정밀하게 반영하고, 높은 신뢰성, 유연한 확장성, 설명 가능성을 갖춘 기술을 연구개발하고자 합니다.