38stock 뉴스속보

www.38.co.kr

2025년 05월 23일 15:09 권태혁 기자

"GNN의 고질적 한계 극복" 가톨릭대, 차수 편향 완화 기술 개발

그래프 신경망의 구조적 한계 해결 가능성 입증

가톨릭대학교는 최근 이오준 인공지능학과 교수 연구팀이 그래프 신경망(Graph Neural Network, GNN)의 대표적 한계인 '차수 편향'(Degree Bias) 문제를 해결할 수 있는 기술을 개발했다고 23일 밝혔다.

GNN은 노드 간 연결 구조를 활용해 정보를 전달한다. 이는 노드들이 유사한 특성을 갖는다는 동류성(Homophily) 원리에 기반한다.

하지만 실제 데이터에서는 노드 간 연결 수(차수)의 불균형이 잦다. 이로 인해 고차수 노드에 메시지가 집중되고 저차수 노드는 정보 부족으로 성능이 저하되는 '차수 편향' 문제가 자주 발생한다.

연구팀은 이 문제를 해결하기 위해 학습 가능한 구조적 증강과 구조적 자기어텐션(Self-Attention) 메커니즘을 결합한 'DegFairGT'(Degree Fairness Graph Transformer) 모델을 제안했다.

이 모델은 비연결 노드 간 구조적 유사성을 파악해 저차수 노드에도 추가 메시지를 전달하고, 반대로 구조적 유사성이 낮은 연결은 제거함으로써 고차수 노드의 과대표현을 줄인다.

DegFairGT는 기존 연결을 유지하면서도 실질적인 정보가 담긴 메시지를 능동적으로 집계한다. 또 노드 간 정보 전이확률 기반 정규화를 통해 구조 증강 과정에서 발생하는 노이즈를 최소화하고 안정성을 확보한다.

실험 결과 DegFairGT는 총 6개의 공개 그래프 데이터세트에서 기존 기법들과 비교해 △차수 편향 완화 △노드 분류 △군집화 등 모든 주요 성능 지표에서 우수한 결과를 나타냈다. 차수 편향 문제를 구조적으로 개선할 수 있다는 사실을 입증한 것이다.

이 교수는 "차수 편향은 실세계 그래프에서 보편적으로 발생하는 고질적 문제"라며 "이번 연구는 그래프 신경망 기술의 실용성과 상용화를 앞당기는 데 크게 기여할 것"이라고 말했다.

한편 이 교수는 네트워크과학연구실(Network Science Lab) 소속 황반튀 박사과정, 전현주 차세대수치예보모델개발사업단(KIAPS) 연구원과 함께 연구를 수행했다.

연구 결과는 네트워크 과학 분야에서 최고 권위를 자랑하는 국제학술지 'IEEE Transactions on Network Science and Engineering'(IF=6.7, 상위 3.3%)에 게재됐다.

권태혁 기자 taehkd@mt.co.kr

키워드림론 최대 4배 주식자금 & 고금리 대환상품 한도 오픈! (1644-6960)

[무료운세] 믿어야 돼 말아야 돼? 종목매수전에 믿고보는 "오늘의 운세"

[파워 인터뷰]

프린트하기 닫기

www.38.co.kr