데이터를 더 잘 이해하고,더 적은 자원으로 활용합니다.
데이터마이닝 연구실은 복잡한 데이터에서 의미를 찾고, 이를 효율적으로 활용하는 기술을 연구합니다. 모델 압축, 표현학습, 유사도 검색, 병렬·분산 처리를 연결하여 데이터를 어떻게 표현하고, 찾고, 처리할 것인지 함께 고민합니다.
01Efficient AI &
Efficient AI &
Model Compression
효율적인 AI와 모델 압축
큰 AI 모델을 더 적은 메모리로 활용할 수 있을까요?
학습된 모델을 적은 비트로 표현하면서 정확도 저하를 줄이는 양자화 기법을 연구합니다. 압축 과정에서 모델의 정보를 보존하고, 정확도와 메모리 사용량을 함께 고려하는 알고리즘을 개발합니다.
대표 연구
- EPTQCIKM 2026 게재 예정
02
Multimodal & Graph Representation Learning
멀티모달·그래프 표현학습
영상, 텍스트, 그래프에 담긴 서로 다른 정보를 어떻게 연결할까요?
여러 형태의 데이터가 가진 의미와 구조를 함께 반영하는 표현을 학습합니다. 기상위성 영상과 기상 문서, 분자 구조와 텍스트를 연결하여 검색과 예측에 유용한 정보를 추출합니다.
대표 연구
- S3-PromptCIKM 2026 게재 예정
- COSMOIEEE Access 2026
03Scalable
Scalable
Similarity Search
대규모 유사도 검색
방대한 데이터에서 원하는 조건에 맞는 유사 사례를 빠르게 찾을 수 있을까요?
데이터를 비교하기 위한 표현부터 빠른 탐색을 위한 색인까지, 검색 과정 전반을 연구합니다. 시간·속성 조건을 반영하는 벡터 검색과 관심 영역·시간적 변화를 고려하는 위성영상 검색을 다룹니다.
대표 연구
- MBI ↗TKDD 2026
- FRAMEIEEE Access 2026
- SkySearch ↗KDD 2025
04
Parallel & Distributed Graph Mining
병렬·분산 그래프 마이닝
거대한 그래프를 여러 계산 자원으로 나누어 효율적으로 분석할 수 있을까요?
그래프의 연결 구조와 패턴을 찾는 병렬·분산 알고리즘을 개발합니다. 계산 자원 사이의 작업량 불균형과 데이터 이동 비용을 줄여 대규모 그래프를 효율적으로 처리하는 방법을 연구합니다.
대표 연구
- BTS ↗ICDE 2024
- Distributed k-NN Graph Construction ↗KDD 2023
- UniCon ↗PLOS ONE 2022
연구실의 전체 논문 목록을 확인해 보세요.
All Publications