초록
다중 관계 네트워크는 데이터 내의 복잡한 관계를 포착하며, 생물의학, 금융, 사회과학 등 다양한 분야에서 활용되고 있습니다. 점점 더 큰 데이터셋으로부터 유도된 네트워크가 일반화됨에 따라, 이를 효과적으로 표현하고 분석하는 방법을 찾는 것이 중요해지고 있습니다. 본 연구에서는 소수를 사용하여 네트워크 내의 고유한 관계를 표현하는 프라임 인접 행렬(Prime Adjacency Matrices, PAMs) 프레임워크를 확장합니다. 이는 단일 인접 행렬을 통해 완전한 다중 관계 그래프를 간결하게 표현할 수 있게 하며, 이로 인해 다단계 인접 행렬의 빠른 계산이 가능해집니다. 본 연구에서는 다단계 행렬을 계산하는 손실 없이(Lossless) 알고리즘을 도입하여 프레임워크를 개선하고, 노드, 엣지, 그래프 수준에서 다양한 그래프 분석 작업에 적용 가능한 경로들의 집합(Bag of Paths, BoP) 표현 방식을 제안합니다. 우리는 여러 작업과 데이터셋에서 이 프레임워크의 효율성을 입증하였으며, 간단한 BoP 기반 모델이 일반적으로 사용되는 신경망 모델보다 동등하거나 우수한 성능을 보여주면서도 속도와 해석성 측면에서 향상된 결과를 제공함을 보였습니다.