한양대 김상욱 교수팀, AI 기반 네트워크 임베딩 기술로 KDD 2025 우수 논문상 수상

▲LINOW로 계산된 객체 간 유사도를 보존해 임베딩 벡터의 품질을 향상하는 네트워크 임베딩 기술 SIGEM 모식도 (그림=한양대)

한양대학교 컴퓨터소프트웨어학부 김상욱 교수 연구팀이 개발한 인공지능(AI) 기반 네트워크 임베딩 기술 'SIGEM'이 데이터 사이언스 분야 세계 최고 권위 학술대회인 '제31회 ACM KDD 2025'에서 'Best Research Paper Award Honorable Mention'을 수상했다.

네트워크(그래프)는 객체 간 복잡한 관계를 표현하는 데이터 구조로, 이를 AI가 처리하기 쉬운 저차원 벡터로 변환하는 '네트워크 임베딩' 기술은 메타(페이스북), 아마존, 넷플릭스, 구글 등 글로벌 기업의 추천·검색·개인화 서비스에 널리 활용되고 있다. 하지만 기존 기술은 ▲가까운 이웃 관계에만 집중해 전체 구조를 반영하지 못하거나 ▲연결이 적은 객체 학습 성능 저하 ▲방향성 구분 불가 ▲특정 네트워크 유형에만 제한되는 범용성 한계가 있었다.

김상욱 교수팀이 개발한 SIGEM은 네트워크 내 모든 객체 쌍의 유사도를 정밀 계산해 관계를 벡터에 충실히 반영하고, 연결의 방향성까지 학습에 포함해 네트워크의 전반적 구조를 효과적으로 보존한다. 방향성과 무방향 네트워크 모두 적용 가능해 높은 범용성을 갖춘 것이 특징이다. 또한 연구팀이 함께 제안한 유사도 계산 기법 'LINOW'는 대규모 네트워크에서도 빠르고 정확한 연산을 지원, 실세계 복잡 네트워크 분석에 실용성을 더했다.

8개 실세계 네트워크를 활용한 비교 실험에서 SIGEM은 ▲객체 연결 예측 성능 102% 향상 ▲객체 분류 정확도 최대 21% 향상 등 기존 최신 기술을 뛰어넘는 성능을 입증했다. 특히 대규모·복잡 네트워크 환경에서도 안정적인 결과를 보여 산업 현장 활용 가능성을 크게 높였다.

김상욱 교수는 “ACM KDD는 2천여 편의 논문이 경쟁하는 세계적 무대이며, 그중 단 3편 이내만이 수상작으로 선정된다"며 “SIGEM이 전 세계적으로 기술력을 인정받아 매우 뜻깊다. 앞으로도 산업 현장에서 실질적인 해결책이 될 수 있는 네트워크 분석 기술을 개발하겠다"고 말했다.

▲교신저자 김상욱 교수(왼쪽), 제1저자 레이하니 하메다니 마수드 연구교수 (사진=한양대)

이번 연구는 과학기술정보통신부 정보통신기획평가원의 SW스타랩 사업과 인공지능대학원지원사업의 지원으로 수행됐다. 논문 「SIGEM: A Simple yet Effective Similarity based Graph Embedding Method」는 레이하니 하메다니 마수드 연구교수가 제1저자, 오정석 연구원과 조성운 연구원이 각각 제2·3저자로, 김상욱 교수가 교신저자로 참여했다.

송기우 기자 kwsong@ekn.kr