본 논문은 코드 분류 문제를 해결하기 위해 기존의 AST(Abstract Syntax Tree) 기반 및 GNN(Graph Neural Network) 기반 방법들의 한계를 극복하는 새로운 접근 방식을 제시합니다. 기존 방법들은 쌍(pairwise) 관계만 고려하여 고차원 데이터 상관관계를 무시하는 반면, 본 논문에서는 이종 방향적 초그래프(HDHG, Heterogeneous Directed Hypergraph)를 이용하여 AST를 표현하고, 이를 처리하는 이종 방향적 초그래프 신경망(HDHGN, Heterogeneous Directed Hypergraph Neural Network)을 제안합니다. HDHG는 노드 유형, 에지 유형, 자식 노드와 부모 노드 간의 방향성을 포함하여 더욱 풍부한 구조적 및 의미적 정보를 담고 있으며, 고차원 데이터 상관관계를 효과적으로 모델링할 수 있습니다. Python과 Java 프로그램의 공개 데이터셋을 사용한 실험 결과, 제안된 HDHGN이 기존 방법들보다 우수한 성능을 보임을 확인했습니다.
