Publication

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

Yeongwook Yang, Hong-Jun Jang, and Byoungwook Kim

🏆ICDM 2026: IEEE International Conference on Data Mining, 2026 

본 연구는 GNN 기반 단문 분류에서 PMI 단어 그래프가 클래스 정보를 반영하지 않아 서로 다른 클래스의 정보가 혼합되는 Class-Agnostic Graph(CAG) 문제를 정의하였다. 이를 해결하기 위해 단어의 클래스별 분포를 활용한 Excess Probability Score(EPS)로 그래프 간선의 가중치를 조정하는 CAGER를 제안하였다. CAGER는 추가 파라미터나 모델 구조 변경 없이 적용할 수 있으며, MI-DELIGHT에 적용한 결과 5개 벤치마크 데이터셋에서 기존 재현 모델 대비 정확도를 3.37~6.55%p 향상시켜 클래스 인지형 그래프 재구성의 효과를 입증하였다.

• GRAD: Graph-based Rationale-Aware Distillation with Prototype Contrastive Learning for Korean Short-Text Classification

Jaegeon Yoo, Byoungwook Kim, Yeongwook Yang, and Hong-Jun Jang

IEEE Access, 2026 

이번 연구에서 제안된 GRAD는 한국어 단문 분류에서 발생하는 문맥 부족과 의미적 모호성, 라벨 부족 문제를 해결하기 위해 PLM-GCN 기반 구조 학습, Prototype Contrastive Learning, LLM 기반 Rationale Distillation​을 결합한 프레임워크이다. 한국어 특화 PLM과 문서별 토큰 공기출현 그래프를 통해 의미·구조 정보를 함께 학습하고, 클래스별 프로토타입 기반 대조 학습을 적용하여 제한된 데이터에서도 안정적인 분류 경계를 형성하도록 설계하였다. 특히 Retrieval-based Few-shot CoT를 통해 Teacher LLM이 생성한 단계적 추론 근거를 feature-level에서 Student Model의 표현 공간에 증류하여, 별도의 추론 문장 생성 없이도 LLM의 고수준 판단 정보를 활용하도록 했다. 실험 결과 Movie Reviews에서 기존 LIGRAM 대비 정확도 2.65%p, Shopping에서는 7.93%p 향상되었으며, Snippets에서도 기존 모델 대비 2.08%p​의 성능 향상을 기록하여 한국어 단문의 의미적 모호성을 효과적으로 완화함을 입증하였다.

• Improving Text-to-SQL Performance through an Enhanced Self-Correction Architecture Based on DIN-SQL

Taegu Lee, Jaegeon Yoo, Taegeum Yoon, Byoungwook Kim, Hong-Jun Jang, and Yeongwook Yang

KCC 2026: Korea Computer Congress, 2026 (🏅우수 발표 논문상 수상)

기존 DIN-SQL 기반 Text-to-SQL 접근은 Self-Correction을 통해 SQL 오류를 수정하지만, 강한 교정 규칙을 일괄 적용할 경우 불필요한 구조 변경이 발생하는 과교정 문제가 있었다. 이에 본 연구에서는 질의 구조를 EASY, NON-NESTED, NESTED로 구분하고, 유형별로 교정 범위를 제한하는 조건부 Self-Correction 구조와 Minimal Edit 원칙을 제안하였다. Spider 데이터셋과 세 가지 오픈소스 대형 언어 모델을 이용한 실험 결과, 제안한 Conditional 설정은 주요 모델에서 성능을 회복하거나 향상시켰으며, 구조 확장으로 인한 오답 사례를 Qwen에서 약 25.7%, DeepSeek에서 약 20.8% 감소시켰다.

• LLM-Based News Article Classification for Detecting Air Pollution-Related Events

Taegeum Yoon, Yeongwook Yang, Byoungwook Kim, and Hong-Jun Jang

Database Research, 2026

본 연구에서는 클래스 불균형이 심한 실제 뉴스 환경에서 대기오염 관련 사건 기사를 탐지하기 위한 LLM 기반 뉴스 분류 기법을 제안하였다. 교통, 기상, 산업, 정책, 재난, 일반 뉴스로 구성된 6,000건의 골드 데이터셋을 구축하고, Dynamic Few-shot 프롬프트와 LLM Fine-tuning을 적용하였다. 실험 결과, Dynamic Few-shot 기반 Fine-tuning 모델이 가장 높은 성능을 보였으며, 소수 클래스에 해당하는 사건 기사도 효과적으로 분류할 수 있음을 확인하였다.

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

Byoungwook Kim, Seungwoo Lee, Yeongwook Yang, and Hong-Jun Jang

DASFAA 2026: Database Systems for Advanced Applications, 2026

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. 

• 유재건, 김병욱, 양영욱, 장홍준, "한국어 특성을 고려한 계층적 이종 그래프 기반 단문 분류 모델 ",  Korea Computer Congress(KCC), 2025.  [언어공학 부문 우수 논문상 수상]

• 김도현, 김병욱, 양영욱, 장홍준, "iOS 환경에서 카카오톡 데이터 복호화 및 아티팩트 분석 연구", 디지털콘텐츠학회논문지(Journal of Digital Contents Society, JDCS), vol. 26, no. 5, pp. 1363-1373, 2025.