Research Topics

Summary

본 연구실은 궁극적으로 자연어처리, 추천시스템, 그래프 표현학습, LLM-그래프 융합, 이상탐지에서 다음과 같은 최신 기술들을 연구개발하고 있습니다.

Graph-based AI (Part 1)Graph-based AI (Part 2)
  • 자연어처리: 질의응답, 정보 검색/추출, 지식/LLM 증류 및 응용
    → 그래프 지식을 통합하여 LLM의 환각 문제를 줄이고, 더 일관된 응답 생성 가능
  • 추천시스템: 지식기반/설명가능한 추천, 멀티모달/대화형 추천, 그래프 기반 추천
    → 그래프 기반의 사용자–아이템 관계 확장을 통해 의도와 맥락 중심의 추천 가능
  • 그래프 표현학습: 그래프 뉴럴네트워크(GNNs), 지식그래프 표현/완성/검증/구축
    → 그래프 구축/확장 및 다양한 딥러닝 모델과의 통합을 위한 기반 기술로 활용 가능
  • LLM–그래프 융합: 지식기반/멀티모달 LLM, 텍스트-그래프 변환, LLM 에이전트, GraphRAG
    → 그래프를 통해 LLM에 외부 지식을 입력하여 신뢰성 높고 도메인 특화 응답 생성 가능
  • 이상탐지: 네트워크/그래프 이상탐지, 사용자 행동 기반 이상탐지, 멀티모달 이상탐지
    → 그래프를 통해 행위 간의 상관관계를 모델링하여 상황 맥락에 맞는 이상 탐지 가능

Approaches

Graph Representation Learning (그래프 표현학습)

-Graph Neural Networks (GNNs) for Node/Edge/Graph Embedding
-Knowledge Graph Representation/Completion/Validation/Construction
-Context-Aware Knowledge Graph Representation and Relational Learning

Large Language Models (대형 언어모델)

-Multi-Modal & Knowledge-Enhanced Foundation Models
-Knowledge & LLM Distillation for Efficient Model Development
-Advanced Prompt Engineering: Chain-of-Thought (CoT), and Retrieval-Augmented Generation (RAG)

Synergizing LLMs and Graphs (그래프·언어모델 통합)

-Text-to-Graph & Graph-to-Text Generation
-Graph-Structured Interaction for LLMs (GraphRAG, Graph-driven LLM Agents)
-Knowledge-grounded & Context-aware Response Generation with LLMs

Applications

Natural Language Processing (자연어처리)

-Question Answering, Information Retrieval & Extraction
-Document Analysis (Sentiment, Opinion, Topic, NER, Summarization)

Recommender Systems (추천시스템)

-Knowledge-enhanced & Explainable Recommendations
-Conversational & Graph-based Recommendations

Graph Analytics and Prediction (그래프 분석·예측)

-Node & Graph Classification Tasks
-Link Prediction and Knowledge Graph Completion