가톨릭대, 그래프 신경망 차수 편향 해결 신기술 개발 작성일 05-07 56 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">그래프 신경망 차수 편향 해결…국제 학술지 연구 등재<br>고차수·저차수 노드 불균형 해소…AI 분석의 공정성 향상</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="WeQuOcTNsf"> <figure class="figure_frm origin_fig" contents-hash="48e5fe0d302e059493de1759708519e9ff274cb907f4ddb99d981286b5501fc5" dmcf-pid="YJMzCEWAwV" dmcf-ptype="figure"> <p class="link_figure"><img alt="가톨릭대 전경." class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202505/07/etimesi/20250507212306698zvcj.jpg" data-org-width="700" dmcf-mid="yLqGaeDxm4" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202505/07/etimesi/20250507212306698zvcj.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 가톨릭대 전경. </figcaption> </figure> <p contents-hash="d8168a077f73405578b53ca2bef7408e3fb12baa190cc73782d85130d5745ff6" dmcf-pid="GiRqhDYcO2" dmcf-ptype="general">가톨릭대학교는 이오준 인공지능학과 교수 연구팀이 그래프 신경망(GNN)에서 발생하는 '차수 편향(Degree Bias)' 문제를 효과적으로 해결할 수 있는 신기술을 개발했다고 7일 밝혔다.</p> <p contents-hash="fc1c1d3564c800008bbb998e466fa79cad44490bc8b1aa2e384e7f1d4ff38ffd" dmcf-pid="HneBlwGkr9" dmcf-ptype="general">이번 연구에는 네트워크과학 연구실 소속 황반튀 박사과정생과 차세대수치예보모델개발사업단(KIAPS) 전현주 연구원이 공동 참여했다.</p> <p contents-hash="26e6b06d866faf00f084ed4aa91bce4cdc2a46f4c044124773fb1ded86bfc475" dmcf-pid="XLdbSrHEwK" dmcf-ptype="general">그래프 신경망은 소셜 네트워크, 교통망, 분자 구조 등 복잡한 데이터 구조를 분석하는 인공지능(AI) 기술이다. 하지만 실제 데이터에서는 노드(점)마다 연결 수, 즉 차수가 크게 달라 연결이 많은 고차수 노드에 정보가 집중되고, 연결이 적은 저차수 노드는 정보가 부족해지는 '차수 편향' 문제가 빈번하게 발생한다. 이로 인해 AI 분석 결과의 공정성과 정확성이 저해되는 한계가 있었다.</p> <p contents-hash="9d72f39b3237c982a460725343337bbb37cb49616f53a222707a018ac4401c8c" dmcf-pid="ZoJKvmXDIb" dmcf-ptype="general">연구팀은 이런 한계를 극복하기 위해 차수 공정성 그래프 변환기(DegFairGT) 모델을 제안했다. 이 모델은 학습 가능한 구조적 증강과 구조적 자기 어텐션 메커니즘을 활용해 연결이 적은 저차수 노드에도 추가 메시지를 전달하고 불필요한 연결을 줄여 고차수 노드의 정보 과잉을 완화한다.</p> <p contents-hash="0daecb17fa827b9b41bb85a675a7851e2f739951ac7c354d381d48710bc916d1" dmcf-pid="5gi9TsZwrB" dmcf-ptype="general">이는 비슷한 역할을 하는 노드끼리 구조적 유사성을 학습해 기존 연결 관계를 유지하면서도 저차수 노드의 과소표현과 고차수 노드의 과대표현 문제를 동시에 해결한다.</p> <p contents-hash="4346b4a213611e5ddbc7bf3b950fec0e9593774ba8c8184b431087118ebf8338" dmcf-pid="1an2yO5rsq" dmcf-ptype="general">실험 결과 DegFairGT는 6개 실제 데이터셋에서 기존 최첨단 방식 대비 △차수 편향 완화 △노드 분류 △군집화 등 모든 성능 지표에서 뛰어난 결과를 기록했다. 이를 통해 그래프 신경망의 분석 성능을 균형 있게 높일 수 있음을 입증했다.</p> <p contents-hash="ed90cc31b2a0995b378e33f1316fe2f84c38928a688a71cf867d9308e19903c8" dmcf-pid="tNLVWI1mDz" dmcf-ptype="general">이오준 교수는 “차수 편향은 대부분의 실세계 그래프 데이터에서 공통적으로 나타나는 주요 과제”라며 “이번 연구는 그래프 신경망 기술의 보급과 상용화에 크게 기여할 것으로 기대된다”고 말했다.</p> <p contents-hash="f7b627872ec017bc95f59e437105bf0332f843e6230403e9c85d1d40ecfa9fbf" dmcf-pid="FjofYCtsO7" dmcf-ptype="general">연구 결과는 네트워크 과학 분야 최고 권위의 국제학술지 'IEEE Transactions on Network Science and Engineering'에 게재됐다.</p> <p contents-hash="5647c169734a742b06431af0549afc493c6447a4505e7053f334335a41be9708" dmcf-pid="3Ag4GhFOIu" dmcf-ptype="general">부천=김동성 기자 estar@etnews.com</p> </section> </div> <p class="" data-translation="true">Copyright © 전자신문. 무단전재 및 재배포 금지.</p> 관련자료 이전 김수현-김새론 측 쌍방 고소, 고백 혹은 조작 ‘진실게임’ 05-07 다음 말벌 조련한 중학생 “생활의달인→동물농장 섭외, 쩌는 프로 ‘유퀴즈’부터 나와” 05-07 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
