김상욱 - 편집 역사

2025년 8월 22일 (금) 01:02에 HYUCOMM4님의 편집

2025-08-22T01:02:48Z

2025년 7월 21일 (월) 06:54에 HYUCOMM4님의 편집

2025-07-21T06:54:57Z

HYUCOMM2: /* 연구실적 */

2024-03-01T15:38:21Z

연구실적

HYUCOMM4: /* 교내언론 */

2023-07-02T12:57:34Z

교내언론

HYUCOMM4: 교내언론

2023-07-02T11:53:52Z

교내언론

차이 보기

Pshyujc09: /* 연구실적 */

2021-11-17T03:13:40Z

연구실적

Pshyujc09: /* 연구실적 */

2021-11-01T02:30:41Z

연구실적

2020년 9월 7일 (월) 01:23에 Hjy0208님의 편집

2020-09-07T01:23:46Z

2020년 9월 7일 (월) 01:23에 Hjy0208님의 편집

2020-09-07T01:23:36Z

2020년 9월 7일 (월) 01:17에 Hjy0208님의 편집

2020-09-07T01:17:31Z

@@ 36번째 줄: / 36번째 줄: @@
 =연구실적=
-=== 리뷰 기반 개인화 추천 정확도 23% 높인 AI 기술 ‘LETTER’ 개발 (2025.07)<ref><뉴스H> 2025.07.11 [https://www.newshyu.com/news/articleView.html?idxno=1019478 한양대 김상욱 교수팀, 리뷰 기반 개인화 추천 정확도 23% 높인 AI 기술 ‘LETTER’ 개발]</ref> ===
+=== 인공지능(AI) 기반 네트워크 임베딩 기술 ‘SIGEM’ 개발 (2025)<ref><뉴스H> 2025.08.14 [https://cms.newshyu.com/news/articleView.html?idxno=1019827 한양대 김상욱 교수팀, AI 기반 네트워크 임베딩 기술로 KDD 2025 우수 논문상 수상]</ref> ===
-* 그래프 신경망(Graph Neural Network, GNN) 기반의 추천 시스템으로, 사용자 간 관계(U-U 그래프)와 상품 간 관계(I-I 그래프)를 독립적으로 구성하고, 사용자 리뷰를 긍정(Like)과 부정(Dislike)으로 분리해 학습하는 방식으로 작동. 이를 통해 LETTER는 ▲사용자의 전체적인 선호(G-Rep) ▲좋아하는 특성(L-Rep) ▲싫어하는 특성(D-Rep) 을 각각 분리해 모델링함으로써 사용자의 복합적인 취향을 정밀하게 반영
+* 데이터 사이언스 분야 최고 권위의 국제학술대회인 ‘제31회 ACM KDD 2025’에서 ‘Best Research Paper Award Honorable Mention’을 수상
-* 정보통신기획평가원의 SW스타랩 사업과 방송통신산업기술개발 사업의 지원을 받아 수행되었으며, 한양대 김상욱 교수 연구팀의 손지원 연구원과 한양대 [[김현준]] 교수가 공동으로 참여
+* 네트워크 내 모든 객체 쌍의 유사도를 정밀하게 계산해 이들의 관계를 벡터에 충실히 반영하며, 연결의 방향성까지 학습에 반영해 네트워크의 전반적 구조를 효과적으로 보존
-* 7월 13일부터 17일까지 이탈리아 파도바에서 열리는 ‘제48회 ACM SIGIR 국제학술대회(The 48th International ACM SIGIR Conference on Research and Development in Information Retrieval)’에서 “Rating-Aware Homogeneous Review Graphs and User Likes/Dislikes Differentiation for Effective Recommendations”라는 제목으로 구두 발표될 예정
+* 과학기술정보통신부 정보통신기획평가원의 SW스타랩 사업 및 인공지능대학원지원사업의 지원을 받아 수행되었으며, 논문 「SIGEM: A Simple yet Effective Similarity based Graph Embedding Method」는 레이하니 하메다니 마수드 연구교수가 제1저자로, 오정석 연구원과 조성운 연구원이 각각 제2저자, 제3저자로, 김상욱 교수가 교신저자로 참여
 ===환자의 건강 상태에 맞는 의약품을 자동으로 추천하는 기술인 ‘VITA’를 개발 (2024.02)<ref><뉴스H> 2024.02.19 [http://www.newshyu.com/news/articleView.html?idxno=1013170 한양대 김상욱 교수팀, 환자의 건강 상태를 정확하게 포착하는 의약품 추천 기술 개발]</ref>===
@@ 66번째 줄: / 72번째 줄: @@
 =수상=
 *2019.12 한양대학교 [[HYU 학술상]] 수상 및 연구석학교수 임명
 *2019.12 한국정보과학회 특별공로상 수상

@@ 36번째 줄: / 36번째 줄: @@
 =연구실적=
-=== 환자의 건강 상태에 맞는 의약품을 자동으로 추천하는 기술인 ‘VITA’를 개발 (2024.02)<ref><뉴스H> 2024.02.19 [http://www.newshyu.com/news/articleView.html?idxno=1013170 한양대 김상욱 교수팀, 환자의 건강 상태를 정확하게 포착하는 의약품 추천 기술 개발]</ref> ===
+=== 리뷰 기반 개인화 추천 정확도 23% 높인 AI 기술 ‘LETTER’ 개발 (2025.07)<ref><뉴스H> 2025.07.11 [https://www.newshyu.com/news/articleView.html?idxno=1019478 한양대 김상욱 교수팀, 리뷰 기반 개인화 추천 정확도 23% 높인 AI 기술 ‘LETTER’ 개발]</ref> ===
-* 머신러닝 기술을 기반으로 각 환자의 모든 과거 처방내역 중 현재 처방내역과 관련된 내역을 자동으로 선택하는 ‘관련 방문 선택(relevant-visit selection) 아이디어’와, 선택된 내역이 환자의 현재 처방내역과 얼마나 관련되어 있는지를 정확하게 계산하는 ‘타겟 인지 어텐션(target-aware attention) 아이디어’를 바탕으로 환자의 건강 상태를 정확하게 포착하고 이를 기반으로 의약품을 추천해 주는 기술
+* 그래프 신경망(Graph Neural Network, GNN) 기반의 추천 시스템으로, 사용자 간 관계(U-U 그래프)와 상품 간 관계(I-I 그래프)를 독립적으로 구성하고, 사용자 리뷰를 긍정(Like)과 부정(Dislike)으로 분리해 학습하는 방식으로 작동. 이를 통해 LETTER는 ▲사용자의 전체적인 선호(G-Rep) ▲좋아하는 특성(L-Rep) ▲싫어하는 특성(D-Rep) 을 각각 분리해 모델링함으로써 사용자의 복합적인 취향을 정밀하게 반영
-* 김상욱 교수 연구팀의 김태리, 허지호, 김홍일 연구원과 한국과학기술원 신기정 교수가 함께 참여
+* 정보통신기획평가원의 SW스타랩 사업과 방송통신산업기술개발 사업의 지원을 받아 수행되었으며, 한양대 김상욱 교수 연구팀의 손지원 연구원과 한양대 [[김현준]] 교수가 공동으로 참여
-* 해당 논문 「VITA: ‘Carefully Chosen and Weighted Less’ Is Better in Medication Recommendation」은 그 기술의 독창성 및 우수성을 인정받아 ‘The 38th Annual AAAI Conference on Artificial Intelligence(이하 AAAI)’에서 구두(oral presentation)로 발표됨
+* 7월 13일부터 17일까지 이탈리아 파도바에서 열리는 ‘제48회 ACM SIGIR 국제학술대회(The 48th International ACM SIGIR Conference on Research and Development in Information Retrieval)’에서 “Rating-Aware Homogeneous Review Graphs and User Likes/Dislikes Differentiation for Effective Recommendations”라는 제목으로 구두 발표될 예정
-=== 기존 성능 대비 2배 빠르분산 딥러닙 기법 개발(2021.11) <ref><뉴스H> 2021.11.01 [http://www.newshyu.com/news/articleView.html?idxno=1004331 김상욱 교수팀, 2배 빨른 라진 새로운 딥러닝 기술 개발]</ref> ===
+===환자의 건강 상태에 맞는 의약품을 자동으로 추천하는 기술인 ‘VITA’를 개발 (2024.02)<ref><뉴스H> 2024.02.19 [http://www.newshyu.com/news/articleView.html?idxno=1013170 한양대 김상욱 교수팀, 환자의 건강 상태를 정확하게 포착하는 의약품 추천 기술 개발]</ref>===
 *김상욱 교수팀이 최근 딥러닝(deep learning) 기술 성능을 기존 대비 약 2배 개선한 새로운 분산 딥러닝 기법 ‘ALADDIN’을 개발했다. 김 교수팀이 개발한 ALADDIN은 분산 딥러닝 기술로, 수십·수백 대의 워커(worker)들로 구성된 분산 클러스터를 기반으로 딥러닝을 가속화하는 기법이다.

@@ 35번째 줄: / 35번째 줄: @@
 =연구실적=
 ===기존 성능 대비 2배 빠르분산 딥러닙 기법 개발(2021.11) <ref><뉴스H> 2021.11.01 [http://www.newshyu.com/news/articleView.html?idxno=1004331 김상욱 교수팀, 2배 빨른 라진 새로운 딥러닝 기술 개발]</ref>===
 *김상욱 교수팀이 최근 딥러닝(deep learning) 기술 성능을 기존 대비 약 2배 개선한 새로운 분산 딥러닝 기법 ‘ALADDIN’을 개발했다. 김 교수팀이 개발한 ALADDIN은 분산 딥러닝 기술로, 수십·수백 대의 워커(worker)들로 구성된 분산 클러스터를 기반으로 딥러닝을 가속화하는 기법이다.

@@ 76번째 줄: / 76번째 줄: @@
 *<뉴스H> 2019.10.01 [HYU High] 4차 산업혁명 선도하는 한양대의 대표 연구자 8인
 *<뉴스H> 2023.05.30 [http://www.newshyu.com/news/articleView.html?idxno=1010076 물리학자가 불확실성과 함께 사는 법, 김상욱 교수 특강]
 =각주=
 <references />

@@ 30번째 줄: / 30번째 줄: @@
 = 연구실적 =
-=== 기존 성능 대비 2배 빠르분산 딥러닙 기법 개발(2021,11) <ref><뉴스H> 2021.11.01 [ 김상욱 교수팀, 2배 빨른 라진 새로운 딥러닝 기술 개발]</ref>===
+=== 기존 성능 대비 2배 빠르분산 딥러닙 기법 개발(2021.11) <ref><뉴스H> 2021.11.01 [http://www.newshyu.com/news/articleView.html?idxno=1004331 김상욱 교수팀, 2배 빨른 라진 새로운 딥러닝 기술 개발]</ref>===
 * 김상욱 교수팀이 최근 딥러닝(deep learning) 기술 성능을 기존 대비 약 2배 개선한 새로운 분산 딥러닝 기법 ‘ALADDIN’을 개발했다. 김 교수팀이 개발한 ALADDIN은 분산 딥러닝 기술로, 수십·수백 대의 워커(worker)들로 구성된 분산 클러스터를 기반으로 딥러닝을 가속화하는 기법이다.
 * ALADDIN의 핵심은 기존 분산 딥러닝 기법들에 대한 면밀한 분석을 통해 분산 딥러닝에서의 성능저하 원인을 규명하고 이를 해결하는데 있다. 워커와 파라미터 서버 간 대칭적 통신이 분산 딥러닝의 성능저하를 유발하는 근본적 원인임을 밝히고, 이를 해결하고자 워커-파라미터 서버 간 비대칭 통신 기반 새로운 분산 딥러닝 방법론을 설계했다. 나아가 비대칭 통신으로 발생할 수 있는 정확도 성능이슈를 해결하는 전략들도 함께 반영했다

@@ 30번째 줄: / 30번째 줄: @@
 = 연구실적 =
-===그래프엔진 '리얼 그래프(RealGraph)' 개발(2019.5)<ref><뉴스H> 2019.05.14 김상욱 교수, 그래프 빅데이터 처리속도 대폭 향상</ref>===
+=== 기존 성능 대비 2배 빠르분산 딥러닙 기법 개발(2021,11) <ref><뉴스H> 2021.11.01 [ 김상욱 교수팀, 2배 빨른 라진 새로운 딥러닝 기술 개발]</ref>===
 # 김 교수는 그래프 빅데이터의 분석성능을 기존 대비 최대 40배 이상 빨라진 싱글머신 기반 그래프엔진 ‘리얼 그래프(RealGraph)’를 개발했다. 리얼 그래프를 설계하는 과정에서 '현실 세계의 그래프 데이터는 정규분포가 아닌 멱급수법칙 분포(power-law degree distribution)를 보인다'는 특징을 반영했다.
 # 리얼 그래프의 아이디어는 학술적으로도 크게 인정받아 5월 미국 샌프란시스코에서 열리는 ‘The Web Conference 2019’에서 발표됐다.
-=== 빅데이터 분석 연구 <ref><뉴스H> 2018.01.08 [http://www.hanyang.ac.kr/surl/R9yS  여기서도 개선하고 저기서도 개선하니 빅데이터도 빠르게 분석 되네요]</ref> ===
+=== 빅데이터 분석 연구(2018.01) <ref><뉴스H> 2018.01.08 [http://www.hanyang.ac.kr/surl/R9yS  여기서도 개선하고 저기서도 개선하니 빅데이터도 빠르게 분석 되네요]</ref> ===
 # 정보에 맞게 필요한 연산 적용 연구로서, 플랫폼 데이터를 처리하기 용이한 방법을 연구하였다.
 # 그래프의 정보를 읽는데 필요한 '그래프 엔진'의 효율성을 높인‘현실세계의 그래프를 잘 반영한다’는 의미의 ‘Real Graph’개발

@@ 3번째 줄: / 3번째 줄: @@
 [[분류:컴퓨터소프트웨어학부]]
 * 연구실 : [[빅데이터 사이언스 연구실]] ([[정보통신관]] 806호)
-* 연락처 : wook@hanyang.ac.kr 02-2220-1736
+* 연락처 : wook@hanyang.ac.kr / 02-2220-1736
 = 학력 =
 * 1991-1994 Ph.D 한국과학기술원 전산학과

@@ 2번째 줄: / 2번째 줄: @@
 [[분류:교수]]
 [[분류:컴퓨터소프트웨어학부]]
 = 학력 =
 * 1991-1994 Ph.D 한국과학기술원 전산학과
@@ 59번째 줄: / 61번째 줄: @@
 = 교내언론 =
 * <뉴스H> 2019.10.01 [HYU High] 4차 산업혁명 선도하는 한양대의 대표 연구자 8인
-== 각주 ==
+= 각주 =
 <references />