한국과학기술원(KAIST, 총장 이광형)은 박찬영 산업및시스템공학과 교수 연구팀이 데이터 라벨 없이도 높은 예측도 달성이 가능한 그래프 신경망 모델 훈련 기술을 개발했다고 25일 밝혔다.
최근 추천시스템이나 소셜 네트워크 분석 등에서 그래프 데이터 중요성이 커졌다. 이에 따라 그래프 신경망 기술을 활용한 서비스가 급속히 늘었는데, 서비스 구축을 위해선 심층 학습 모델을 훈련해야 한다. 특히 훈련 데이터에 정답지 역할을 하는 라벨링 과정이 필요한데, 이는 보통 수작업으로 진행돼 노동력과 긴 시간이 걸린다.
박 교수팀이 개발한 기술은 그래프 신경망 모델에서 정점들 사이 관계를 보존해 정점 라벨이 없어도 모델 훈련이 가능하다. 연구팀은 이를 ‘관계 보존 학습법’으로 명명했다.
다른 연구 방법론과 비교했을 때 정점 분류 문제에서 예측 정확도가 3% 올랐다. 간선 예측 문제에서는 6%, 다중 연결 네트워크 정점 분류 문제에서는 3% 높은 향상을 각각 보였다.
관계 보존 학습을 통해 그래프 데이터를 훈련하면, 예측 정확도를 올릴 수 있을 뿐 아니라 훈련 데이터 라벨링에 드는 비용도 줄일 수 있다. 기존 모델과는 달리 새로운 학습 프레임워크로 심층 학습 학계에도 큰 파급효과가 가능하다.
박찬영 교수는 "이번 기술은 그래프 데이터상에 라벨이 없는 상황에서 표상 학습 모델을 훈련하는 기존 모델 단점을 '관계 보존'이라는 개념을 통해 보완했다"며 "새로운 학습 패러다임으로 학계에 도움 되길 바란다"고 밝혔다.
이번 연구는 과학기술정보통신부 재원으로 정보통신기획평가원 지원을 받아 사람중심인공지능핵심원천기술개발 과제로 개발한 연구성과 결과물이다.
김미정 기자 kimj7521@aitimes.com
