2023 한국소프트웨어종합학술대회(KSC 2023) 우수발표논문상 수상

- 빅데이터 처리 및 DB 연구실 -

이정민 컴퓨터공학과 대학원생(지도교수: 정성원)의 ‘혼합 타입 데이터의 군집화를 위한 그래프 오토인코더 기반의 데이터 임베딩 기법’ 논문이 지난 12월 20일 ~ 22일(3일간) 열린 2023 한국소프트웨어종합학술대회(KSC 2023)에서 우수발표논문상을 수상했다.

▲ 왼쪽부터 이정민(석사과정), 정성원(지도교수)

▲ 2023 한국소프트웨어종합학술대회(KSC 2023) 우수발표논문상 수상확인서

데이터를 구성하는 객체의 속성은 크게 수치형 속성과 범주형 속성, 그리고 혼합형 속성으로 나뉜다. 혼합형 속성의 경우 객체가 수치형 속성과 범주형 속성을 동시에 가진 속성을 이야기한다. 거리 계산법이 다른 두 속성을 가진 혼합형 데이터에 대하여는 범주형 속성을 수치형 속성으로 변화시켜 유사도를 계산하거나, 각 유형의 속성별 유사도를 이용해 통합거리를 계산하여 군집화시키는 방식을 사용하고 있다.

다만 두 방법 모두 원본 유형 속성의 변화하는 과정에서 생겨나는 원본 특징의 손실과 통합거리 생성을 위한 하이퍼 파라미터 수의 증가라는 단점을 포함하고 있다. 해당하는 문제에 착안하여, 본 논문에서는 혼합 유형의 데이터셋의 객체들의 연결을 통해 만든 그래프와 해당 그래프를 GAE(Graph Auto Encoder)를 통과시켜 나온 노드들의 임베딩을 객체의 좌표로 이용하여 유클리디언 기반 유사도 및 거리를 측정하여 군집화시키는 방식을 사용하기 위해 혼합형 데이터셋의 객체 사이의 유사도를 정의하는 방법을 제시하였다.