GDL & PL4XGL — Explainable Graph Learning
7 problems
GDL / PL4XGL
In Progress
Scalable PL4XGL
대규모 그래프를 위한 확장 가능한 PL4XGL
PL4XGL은 GDL program 기반의 symbolic, inherently interpretable 그래프 학습 기법이나, HIV(41K 분자)에서 training timeout, Pubmed에서 170× 느린 classification 등 심각한 확장성 문제를 가진다.
scalability
program synthesis
subgraph isomorphism
Read more →
GDL / PL4XGL
In Progress
Transductive PL4XGL
트랜스덕티브 그래프 학습을 위한 PL4XGL
PL4XGL은 본질적으로 inductive 방식으로 설계되어, transductive 설정에서 GCN 대비 10~15%p 낮은 정확도를 보인다. GDL을 homophily/aggregate 술어로 확장하고 label propagation을 통합한다.
transductive learning
label propagation
homophily
Read more →
GDL / PL4XGL
In Progress
Interpretable Graph Classification
해석 가능한 그래프 분류 (ProgNet)
GDL program 기반의 shared vocabulary와 decomposable evidence composition network로 GNN 수준의 정확도와 faithful한 설명을 동시에 달성하는 ProgNet 프레임워크.
interpretability
graph classification
vocabulary learning
Read more →
GDL / PL4XGL
In Progress
PL4XGL for Edge Classification
엣지 분류를 위한 PL4XGL
PL4XGL은 노드/그래프 단위 분류로 한정되어 엣지를 first-class로 다루지 않는다. 두 endpoint의 결합 구조, 관계적 패턴, 방향성, edge feature를 GDL 수준에서 표현하여 해석 가능한 엣지 분류를 달성한다.
edge classification
link prediction
knowledge graph
Read more →
GDL / PL4XGL
GDL-Based Embeddings for NN
GDL Program 기반 임베딩과 신경망
GDL program 집합을 feature 추출기로 사용하여 해석 가능한 embedding을 생성하고, 이 embedding 위에서 표준 NN으로 대규모 그래프 학습을 수행한다.
embedding
scalability
transfer learning
Read more →
GDL / PL4XGL
GDL-Based GNN Explanation
GDL 기반 GNN 설명 기법
Subgraph 대신 GDL program을 설명 단위로 사용하여 interval-aware, dataset-level 재사용 가능, model-agnostic한 GNN 설명 프레임워크를 개발한다.
GNN explanation
faithfulness
model-agnostic
Read more →
GDL / PL4XGL
Graph Data Mining with GDL
GDL 기반 그래프 데이터마이닝
GDL을 패턴 언어로 사용하여 interval-aware 패턴을 자동으로 발견하는 마이닝 프레임워크. 구조 중심 mining과 제약 기반 mining의 교차점을 메운다.
pattern mining
frequent subgraph
interval predicates
Read more →
ProgNet Follow-ups — Generation & Large Graphs
4 problems
ProgNet
In Progress
Node-Level Program Sets for Large Graphs
라지 그래프를 위한 노드별 프로그램 셋
하나의 큰 그래프에서 노드별 GDL program 셋을 추출해 노드 분류·링크 프레딕션에 활용한다. 노드 임베딩에 프로그램 셋 정보를 결합하며, 셋 추출 방법과 "좋은 셋"의 기준, 분류 아키텍처 설계가 열린 질문이다.
node classification
link prediction
large graphs
Read more →
ProgNet
In Progress
ProgNet Journal Extension
ProgNet 저널 익스텐션
학회 버전 ProgNet에 4번째 아이디어(fidelity 보정, latent constraint + similarity, 셋 구축 정교화 등)와 실험을 더해 약 30% 확장하는 저널 트랙. 반드시 ProgNet 자체를 확장해야 하며, 리뷰 사이클은 약 1년이다.
journal extension
fidelity
vocabulary refinement
Read more →
ProgNet
Program Generation: Beyond Mining
프로그램 제너레이션 — 마이닝을 넘어서
마이닝 결과를 타겟 삼아 프로그램을 생성하는 제너레이터를 학습해 셋을 더 다양하고 풍성하게 만든다. 학습 가능한 셋 파라미터(크기 K)와 마이닝 유사성 constraint로 다운스트림과 결합한 end-to-end 구성도 가능하다.
program generation
diversity
end-to-end
Read more →
ProgNet
Universal Primitive Vocabulary — "Word"
그래프를 위한 다목적 프리미티브 셋
랭귀지 모델의 word에 해당하는, 멀티 도메인·멀티 데이터셋에서 재사용 가능한 그래프 프리미티브 program 셋을 구축한다. 일반화 주장을 설득력 있게 설계·평가하는 것 자체가 열린 문제로, 후속 방향 중 최고 난이도.
generalization
adaptation
foundation vocabulary
Read more →
Context Tunneling — Precise Program Analysis
3 problems
Context Tunneling
In Progress
Context Tunneling for Python
Python을 위한 컨텍스트 터널링
Context tunneling을 Python에 확장. 동적 타이핑, first-class 함수, decorator, generator 등 Python 고유 특성에 맞는 context-sensitivity flavor와 atomic feature를 설계한다.
Python
points-to analysis
dynamic language
Read more →
Context Tunneling
Optimal Tunneling Abstraction
주어진 프로그램과 k에 대한 최적 터널링
주어진 프로그램 P와 k에 대해 최적 또는 근-최적 tunneling relation을 효율적으로 찾는 알고리즘. Non-monotonic 공간에서의 최적화 문제를 정면으로 해결한다.
optimality
non-monotonicity
combinatorial optimization
Read more →
Context Tunneling
Simple & Principled Tunneling
단순하고 원칙적인 컨텍스트 터널링
프로그램 분석의 이론적 성질로부터 직접 유도되는 단순한 tunneling 규칙. 한 문장으로 기술, 30줄로 구현, 학습 불필요. 복잡한 data-driven 접근의 대안.
simplicity
principled design
easy-to-implement
Read more →