한양대학교 컴퓨터소프트웨어학부 김상욱 교수 연구팀이 개발한 인공지능(AI) 기반 네트워크 임베딩 기술 ‘SIGEM’이 데이터 사이언스 분야 최고 권위의 국제학술대회인 ‘제31회 ACM KDD 2025’에서 ‘Best Research Paper Award Honorable Mention’을 수상했다고 밝혔다.

네트워크(그래프)는 객체 간 복잡한 관계를 표현하는 데이터 구조이며, 네트워크 임베딩은 이를 인공지능이 처리하기 쉬운 저차원 벡터로 변환하는 기술이다. 이 기술은 메타(페이스북), 아마존, 넷플릭스, 구글 등 글로벌 기업의 추천, 검색, 개인화 서비스 등에 폭넓게 활용되고 있다.

그러나 기존 임베딩 기술은 주로 가까운 이웃 관계에만 집중해 전체 네트워크 구조를 제대로 반영하지 못하거나, 연결이 적은 객체에 대한 학습 성능이 낮은 한계를 지녔다. 또한 방향성이 있는 연결 관계를 구분하지 못하거나 특정 네트워크 유형에만 국한되는 등 정확도와 범용성 모두에서 제약이 있었다.

김상욱 교수팀은 이러한 한계를 동시에 극복한 기술 ‘SIGEM’을 개발했다. 네트워크 내 모든 객체 쌍의 유사도를 정밀하게 계산해 이들의 관계를 벡터에 충실히 반영하며, 연결의 방향성까지 학습에 반영해 네트워크의 전반적 구조를 효과적으로 보존한다. 이로써 방향성과 무방향 네트워크 모두에 적용 가능한 높은 범용성을 갖췄다.

또한 연구팀이 함께 제안한 유사도 계산 기법 ‘LINOW’는 대규모 네트워크에서도 빠르고 정확한 유사도 산출이 가능해, 실세계 복잡 네트워크 분석에 실용성을 더했다.

실험 결과, SIGEM은 8개의 실세계 네트워크를 활용한 비교 실험에서 ▲객체 간의 연결 예측 성능 102% 향상 ▲객체 분류 정확도 최대 21% 향상을 기록하며, 기존 최신 기술들을 뛰어넘는 우수한 성능을 입증했다. 특히 복잡하거나 대규모 네트워크 환경에서도 일관된 성능을 보여 산업 응용 가능성을 높였다.

김상욱 교수는 “데이터 사이언스 분야 최고 권위의 국제학술대회인 ACM KDD에서 2천여 편의 제출 논문 중 3편 이내로 선정되는 상을 수상하게 되어 매우 기쁘다”며, “이번 연구는 우리 팀의 독창적인 아이디어와 기술력을 세계적으로 인정받은 결과”라고 소감을 밝혔다. 이어 “SIGEM은 방대한 네트워크를 효과적으로 분석해야 하는 산업 현장에서 실질적인 해결책이 될 수 있을 것”이라고 덧붙였다.

이번 연구는 과학기술정보통신부 정보통신기획평가원의 SW스타랩 사업 및 인공지능대학원지원사업의 지원을 받아 수행되었으며, 논문 「SIGEM: A Simple yet Effective Similarity based Graph Embedding Method」는 레이하니 하메다니 마수드 연구교수가 제1저자로, 오정석 연구원과 조성운 연구원이 각각 제2저자, 제3저자로, 김상욱 교수가 교신저자로 참여했다.