한양대 김상욱 교수팀, 대규모·복잡 네트워크에서 객체 간 관계 정밀 계산하는 AI기반 네트워크 임베딩 기술 개발 … 추천·검색 서비스 고도화 기대

한양대학교는 컴퓨터소프트웨어학부 김상욱 교수 연구팀이 개발한 인공지능(AI) 기반 네트워크 임베딩 기술 'SIGEM'이 지난 3~7일 캐나다 토론토에서 열린 데이터 과학 분야 최고 권위 국제학술대회 '제31회 미국 컴퓨터기계협회(ACM) 지식 발견·데이터 마이닝(KDD, Knowledge Discovery and Data Mining) 2025'에서 최우수 연구 논문상 특별상을 받았다고 8일 밝혔다.

네트워크(그래프)는 객체 간 복잡한 관계를 표현하는 데이터 구조다. 네트워크 임베딩은 이를 AI가 처리하기 쉬운 저차원 벡터로 변환하는 기술이다. 이 기술은 메타(페이스북), 아마존, 넷플릭스, 구글 등 글로벌 기업의 추천, 검색, 개인화 서비스 등에 폭넓게 활용되고 있다.

그러나 기존 임베딩 기술은 주로 가까운 이웃 관계에만 집중해 전체 네트워크 구조를 제대로 반영하지 못하거나 연결이 적은 객체에 대한 학습 성능이 낮다는 한계를 지녔다. 또한 방향성이 있는 연결 관계를 구분하지 못하거나 특정 네트워크 유형에만 국한되는 등 정확도와 범용성에서 제약이 있었다.

김상욱 교수팀이 개발한 SIGEM은 네트워크 내 모든 객체 쌍의 유사도를 정밀하게 계산해 이들의 관계를 벡터에 충실히 반영한다. 연결의 방향성까지 학습에 반영해 네트워크의 전반적 구조를 효과적으로 보존한다. 방향성과 무방향 네트워크 모두에 적용할 수 있는 범용성을 갖췄다.

또한 연구팀이 제안한 유사도 계산 기법 'LINOW'는 대규모 네트워크에서도 빠르고 정확한 유사도 산출이 가능해 복잡한 네트워크 분석에 실용성을 더했다.

SIGEM은 8개의 실세계 네트워크를 활용한 비교 실험에서 ▲객체 간 연결 예측 성능 102% 향상 ▲객체 분류 정확도 최대 21% 향상을 기록하며 우수한 성능을 입증했다. 복잡하고 대규모 네트워크 환경에서도 일관된 성능을 보였다.

김 교수는 "이번 학술대회 2000여 편의 제출 논문 중 3편 이내로 선정되는 상을 받게 돼 기쁘다"면서 "SIGEM은 방대한 네트워크를 효과적으로 분석해야 하는 산업 현장에서 실질적인 해결책이 될 수 있을 것"이라고 말했다.

이번 연구 논문은 레이하니 하메다니 마수드 연구교수가 제1저자, 오정석 연구원이 제2저자, 조성운 연구원이 제3저자, 김상욱 교수가 교신저자로 각각 참여했다.

이번 연구는 과학기술정보통신부 정보통신기획평가원의 SW스타랩 사업과 인공지능대학원지원사업의 지원을 받아 이뤄졌다.