최우수국제학술대회 

ACM International Conference on Information and Knowledge Management (CIKM) 2025 

정규 발표 논문 채택

▶ 이아현 박사과정

머신러닝시스템 연구실(MLSys)의 이아현 박사과정 (제1저자)과 문의현 교수 (교신저자)가 작성한 “D-HAT: Dynamic Hypergraph Representation Learning with Attention-Based Multi-Level Hypergraph Sampling” 논문이 ACM International Conference on Information and Knowledge Management (CIKM) 2025에 게재가 확정되었습니다.

▶ 그림1. 하이퍼그래프 예시. 두 개체 간의 연결만 표현 가능한 기존 이진 관계 기반의 그래프와 달리, 2개 이상의 개체가 동시에 상호작용하는 고차원 상호 작용(High-Order Interaction, HOI)을 하이퍼엣지로 표현하여 many-to-many 관계를 유지할 수 있는 장점이 있다.

하이퍼그래프 신경망(Hypergraph Neural Networks, HNNs)은 전통적인 그래프가 표현하지 못하는 다자간 관계를 효과적으로 포착할 수 있어 추천 시스템, 자연어 처리, 컴퓨터 비전 등 다양한 분야에서 주목받고 있다. 그러나 대규모 하이퍼그래프를 직접 학습하는 과정은 연산 비용과 메모리 사용량이 크기 때문에, 원본 그래프의 구조적 특성을 유지하면서도 효율적인 부분 하이퍼그래프를 구성하는 샘플링 기법이 필수적이다. 기존의 노드 기반 혹은 하이퍼엣지 기반 샘플링 방법은 무작위성으로 인해 부분 그래프가 단절되거나, 모든 이웃의 중요도를 동일하게 취급하여 정보 손실이 발생한다는 한계를 가진다.

▶ 그림2. D-HAT Framework 구조도.

본 연구는 이러한 한계를 해결하기 위해 학습 과정에서 의미 있는 이웃 노드와 하이퍼엣지를 동적으로 선택하는 Attention 기반 다단계 샘플링(D-HAT) 프레임워크를 제안하였다. 제안 기법은 크게 세 단계로 이루어진다. (1) 노드→하이퍼엣지 Attention(Level-1 Attention) 을 통해 연결된 하이퍼엣지의 중요도를 평가하고, Adaptive Thresholding을 적용하여 중요한 하이퍼엣지를 선별한다. (2) 하이퍼엣지→노드 Attention(Level-2 Attention) 을 적용하여 다시 중요한 노드를 선택한다. (3) 이 과정을 계층적으로 반복하여 점차적으로 대표성 있는 부분 하이퍼그래프를 형성한다. 또한 Hypergraph Neural Networks(HNNs) 내부에는 Attention-Guided Aggregation을 적용해 중요한 이웃의 기여도를 강조하고, Dense Skip Connection을 도입해 샘플링 과정에서 누락될 수 있는 정보를 보완하였다. 마지막으로 Entropy Regularization Loss를 추가하여 모델이 특정 이웃에 과도하게 집중하지 않고 다양한 후보를 고려하도록 유도함으로써 학습의 안정성을 확보하였다.

 

실험 결과, D-HAT은 Cora, PubMed, 20News 등 실제 데이터셋에서 기존 기법 대비 최대 15.85% (노드 샘플링 대비), 5.49% (하이퍼엣지 샘플링 대비) 정확도가 향상되었다. 특히 20News와 같이 소수의 거대 하이퍼엣지로 구성된 극단적 구조에서도 의미 있는 이웃을 효과적으로 선별하여 가장 높은 성능을 기록하였다.

 

ACM International Conference on Information and Knowledge Management(CIKM)는 데이터마이닝 및 인공지능을 주제로 하는 저명한 학술 대회이다. 또한, CIKM는 BK21 Computer Science 분야 우수국제학술대회 리스트에 보정 IF=3로 등재되어 있으며, 정보과학회 소프트웨어분야 2024년 우수학술대회 목록에 최우수 학회로 등재되어 있다. 본 학회는 올해 11월 10일-14일 서울 COEX에서 개최될 예정이다.

 

참고자료:

    CIKM2025 Website :       https://cikm2025.org