본 논문은 거대 그래프 내 쿼리 패턴의 인스턴스 수를 결정하는 하위 그래프 계산 문제에 대한 알고리즘(AL) 및 머신러닝(ML) 기반 방법들을 비교 평가하기 위한 포괄적인 벤치마크인 BEACON을 제시한다. BEACON은 검증된 정답이 있는 표준화된 데이터셋, 통합된 평가 환경, 공개 리더보드를 제공하여 다양한 접근 방식 간의 재현 가능하고 투명한 비교를 가능하게 한다. 실험 결과, AL 방법은 매우 큰 그래프에서 하위 그래프를 효율적으로 계산하는 데 탁월하지만 복잡한 패턴(예: 6개 이상의 노드)에는 어려움을 겪는 반면, ML 방법은 더 큰 패턴을 처리할 수 있지만 방대한 그래프 데이터 입력이 필요하며 작고 조밀한 그래프에서는 최적이 아닌 정확도를 보이는 것으로 나타났다. 이러한 통찰력은 각 접근 방식의 고유한 강점과 한계를 강조할 뿐만 아니라 하위 그래프 계산 기술의 미래 발전을 위한 길을 열어준다.
