2년간 데이터를 이용한 그래프 기반 분석 및 지식 그래프 분야 검토 - 패러다임과 기회 발견

지식 그래프 임베딩(KG Embed)은 특히 과학 연구 기술에서 쿼리를 추출하고 필요한 정보를 검색하는 데 중요한 역할을 합니다. 지식 그래프의 성장과 지식 표현 및 추론에서 급증이 관찰됩니다. 본 논문은 지식 그래프 생성의 도움을 받아 연구에서 가장 인기 있는 주제를 찾는 데 기여하며, 구체적으로 Google Scholar(GS), IEEE Xplore, Science, Worldwide Science(WWS) 네 개의 연구 저장소를 포함합니다. 본 연구는 키워드 검색을 기반으로 하며, 네 가지 키워드인 Knowledge graph (KG), Knowledge graph embedding (KG Embed), Recommendation system knowledge graph (RS KG), 그리고 교육 분야 추천 시스템(RS in education)을 사용합니다. 2000년부터 2022년까지 이 네 개 저장소에 존재하는 여러 논문, 기사, 서적의 데이터가 이 키워드들을 이용해 수집되었습니다. 이후 이 데이터는 중심성 및 클러스터링과 같은 매개변수를 사용하여 그래프 및 지식 그래프를 통해 시각화되었으며, Google Scholar가 다른 저장소보다 더 많은 데이터를 포함하고 있음을, 그리고 연구에서 가장 뜨거운 주제가 지식 그래프임을 보여줍니다. 또한 지식 그래프가 추천 시스템에 어떻게 사용되고 유용한지 개요를 제공합니다. 그래프 및 지식 그래프 시각화를 통해 얻은 결과를 바탕으로 본 연구는 관련 연구 및 사항들을 고려하여 향후 지식 그래프 연구를 위한 연구자 및 실무자들의 제안과 방향을 요약합니다. 본 연구는 이 네 출처의 지식 그래프 연구 논문, 기사, 서적 및 학위 논문을 포함합니다.