Lab Result

CAGER: Class-Aware Graph Edge Reweighting for Short Text Classification

강원대학교 원주캠퍼스 컴퓨터공학과 양영욱 교수, 김병욱 교수(교신저자)와 춘천캠퍼스 데이터사이언스학과 장홍준 교수가 참여한 연구 논문이 데이터마이닝 분야의 세계 최고 권위 국제 학술대회인 IEEE ICDM 2026(The 26th IEEE International Conference on Data Mining)에 게재 승인되었다. ICDM은 한국연구재단 BK21 지정 우수학술대회로 인정받는 저명한 국제 학술대회이다.

본 연구는 양영욱 교수를 제1저자로 하여 장홍준 교수(제2저자), 김병욱 교수(교신저자)가 참여하였다. 게재 논문 제목은 "CAGER: Class-Aware Graph Edge Reweighting for Short Text Classification"이며, 그래프 신경망(GNN) 기반 단문 분류에서 오랫동안 당연시되어 온 그래프 구성 방식의 구조적 한계를 규명하고 해결한 연구이다.

기존 모델들은 단어 동시 출현 통계(PMI) 기반 그래프를 사용하지만, 이 그래프는 클래스 정보를 전혀 반영하지 못한다. 연구팀은 이를 '클래스 무관 그래프(CAG) 문제'로 정의하고, 모든 범주에 고르게 등장하는 허브 단어가 전체 간선 가중치의 58.5%를 차지하며 서로 다른 범주의 문서 표현을 뒤섞는 '거짓 양성 전파' 현상을 정량적으로 입증했다. 이를 해결하기 위해 단어의 범주 편향도를 클래스 개수와 무관하게 측정하는 초과 확률 점수(EPS)를 제안했으며, 별도의 학습 파라미터나 구조 변경 없이 전처리 단계에만 적용되는 경량 플러그인으로 설계해 기존 모델에 그대로 이식할 수 있도록 했다.

실험 결과 CAGER는 5개 벤치마크 데이터셋 전반에서 통계적으로 유의미한 성능 향상을 달성했고, 뉴스 데이터셋에서는 정확도를 6.55% 끌어올렸다.

TVMC: Target Variance Minimization Clustering in GEMS Latent Representation for Time Series Forecasting of Air Pollution

강원대학교 원주캠퍼스 컴퓨터공학과 김병욱 교수가 참여한 연구 논문이 데이터베이스 분야의 국제 학술대회 DASFAA 2026 (The 31st International Conference on Database Systems for Advanced Applications)에 게재 승인되었다. DASFAA는 한국연구재단 BK21 지정 우수학술대회로 인정받는 권위 있는 국제 학술대회다. 본 연구는 김병욱 교수를 제1저자로 하여 KISTI 이승우 박사, 원주캠퍼스 컴퓨터공학과 양영욱 교수, 춘천캠퍼스 데이터사이언스학과 장홍준 교수가 함께 참여하였다.

게재 논문의 제목은 “TVMC: Target Variance Minimization Clustering in GEMS Latent Representation for Time Series Forecasting of Air Pollution”이며, 위성 기반 대기오염 데이터(GEMS)를 활용하여 지상 대기오염 농도 예측 성능을 향상시키는 새로운 표현 학습 및 클러스터링 프레임워크를 제안한 연구이다.

기존의 시계열 예측 모델들은 외생 변수를 단순 결합하는 방식으로 활용하는 경우가 많아, 위성 데이터와 지상 관측 데이터 간의 공간 및 시간적 불일치 문제를 충분히 해결하지 못하는 한계가 있었다. 이에 본 연구에서는 3D Convolutional AutoEncoder(3D-CAE)를 활용하여 GEMS 위성 시공간 패치를 잠재 벡터로 압축하고, 예측 목표 변수의 분산을 최소화하도록 클러스터를 형성하는 TVMC(Target Variance Minimization Clustering) 기법을 제안하였다. 실험 결과, 제안한 TVMC 기반 외생 표현을 다양한 예측 모델(통계적 모델, 머신러닝 모델, RNN 기반 모델, Transformer 기반 모델)에 적용한 경우 평균 약 27% 이상의 성능 향상을 보였다.

이번 연구는 위성 기반 대기환경 데이터의 표현 학습과 클러스터링을 결합하여, 환경 시계열 예측의 구조적 불일치 문제를 해결했다는 점에서 학술적 의의를 가진다. 김병욱 교수는 향후 대규모 언어모델(LLM) 기반의 지능형 대기오염 예측 프레임워크를 개발하여 예측 정확도를 한층 고도화하는 연구를 이어갈 계획이다.

LIGRAM: Linguistically Informed Graph Model and Semantic Contrastive Learning for Korean Short Text Classification

강원대학교 원주캠퍼스 컴퓨터공학과 김병욱 교수, 양영욱 교수(교신저자)가 참여한 연구 논문이 데이터베이스 분야의 권위 있는 국제 학술대회인 DASFAA 2026 (The 31st International Conference on Database Systems for Advanced Applications)에 게재 승인되었다. DASFAA는 한국연구재단 BK21 지정 우수학술대회로 인정받는 저명한 국제 학술대회이다.

본 연구는 강원대학교 춘천캠퍼스 데이터사이언스 학과 유재건 대학원생(석사)을 제1저자로 하여 강원대학교 원주캠퍼스 컴퓨터공학과 김병욱 교수, 양영욱 교수(교신저자), 강원대학교 춘천캠퍼스 데이터사이언스학과 장홍준 교수(교신저자)가 참여하였다.

게재 논문 제목은 "LIGRAM: Linguistically Informed Graph Model and Semantic Contrastive Learning for Korean Short Text Classification" 이며, 한국어 특유의 언어적 특성을 반영하여 문맥이 부족한 단문 분류 성능을 획기적으로 향상시킨 연구이다.

이번 연구에서 제안된 LIGRAM은 한국어 단문 분류의 한계를 극복하기 위한 계층적 이종 그래프 모델로, 한국어의 언어적 특성과 짧은 텍스트의 희소한 문맥 정보를 효과적으로 처리하도록 설계되었습니다. 한국어의 교착어적 특성과 빈번한 조사 및 어미의 생략 문제를 해결하기 위해 형태소, 품사, 개체명 등 세 가지 수준의 하위 그래프를 독립적으로 구축하고 이를 계층적으로 통합하여 정밀한 문법적·의미적 의존 관계를 포착하도록 했다. 특히 본 연구에서는 의미 인식 대조 학습인 SemCon 기술을 도입하여 문서 간의 잠재적인 토픽 분포를 기반으로 유사성을 측정함으로써, 문맥이 부족한 단문에서도 클래스 간의 경계를 명확히 구분할 수 있도록 모델의 변별력을 높였다. 실험 결과 LIGRAM은 KLUE YNAT, 네이버 영화 리뷰 등 주요 한국어 단문 데이터셋에서 기존 최신 모델들을 일관되게 압도하는 성과를 보였으며, 특히 YNAT 데이터셋에서는 기존 최고 모델 대비 정확도를 약 23% 가량 끌어올리는 혁신적인 성능 향상을 입증하였다.

Page updated

Google Sites

Report abuse