하이퍼그래프 대조 학습을 통한 마약 밀매 공동체 탐지

최근 수십 년 동안, 마약 밀매는 막대한 수익을 가져다주기 때문에 현대 기술과 함께 진화해 왔다. 소셜 미디어는 인기 있는 온라인 플랫폼 중 하나로, 불법 마약 밀매 공동체가 마약을 홍보하고 거래하는 직접 소비자 간 중개자 역할을 하게 되었다. 이러한 그룹 기반의 마약 밀매 활동은 공중 보건과 안전에 심각한 위협을 가하며, 이 문제에 즉각적인 대응이 요구된다. 그러나 기존의 연구들은 여전히 제한점을 안고 있다. 예를 들어, 단일 시각에서 개인의 역할만 분석하고 그룹 간 관계를 간과하며, 모델 학습을 위해 충분한 라벨링된 샘플이 필요하다는 점이다. 이를 해결하기 위해 본 연구에서는 사용자 간 고차원 관계를 모델링하기 위해 하이퍼그래프를 활용한 새로운 하이퍼그래프 대조 학습 프레임워크인 HyGCL-DC를 제안한다. 먼저, 온라인 사용자 노드와 네 가지 유형의 하이퍼엣지로 구성된 하이퍼그래프인 Twitter-HyDrug을 구축하여 사용자 간 풍부한 그룹 기반 관계를 표현한다. 그 후, 마약 밀매 하이퍼그래프 내 노드와 하이퍼엣지 간의 복잡한 관계를 모델링하기 위해 하이퍼그래프 신경망을 활용한다. 더불어, 구조적 관점과 속성적 관점에서의 증강 기법을 통합한 하이퍼그래프 자기지도 대조 모듈을 설계하여 라벨이 없는 데이터에 대한 하이퍼그래프 표현 학습을 강화한다. 마지막으로, 자기지도 대조 모듈과 지도 학습 모듈을 통합한 엔드투엔드 프레임워크를 제안하여 온라인 마약 밀매 공동체를 분류한다. 본 연구의 모델 효과성을 종합적으로 검증하기 위해 Twitter-HyDrug과 세 가지 인용 기준 하이퍼그래프 데이터셋을 대상으로 광범위한 실험을 수행하였다. 제안하는 새로운 데이터와 소스 코드는 https://github.com/GraphResearcher/HyGCL-DC 에서 공개된다.