2025 한국컴퓨터종합학술대회(Korea Computer Congress, KCC)에 참관하였습니다. 처음으로 KCC에 참관하였는데 비교적 규모가 큰 것에 놀랐습니다. 가장 인상 깊었던 점은, Top Conference 세션으로 국내 연구자들의 해외 탑티어 학회 발표를 주제별로 세션을 구성하여 진행한 점이었습니다. 각 학회마다의 특징을 한 번에 확인할 수 있으며, 주제가 비슷하다보니 관심있는 주제의 연구들을 한 번에 살펴볼 수 있던 점도 매우 좋았습니다. 다만 아쉬웠던 점은, 포스터 세션에 참가한 연구의 수는 그리 많지 않았다는 점이었습니다. 더불어, 일부 발표자들은 발표 포스터 준비도 제대로 되어 있지 않은 채, 슬라이드 별로 A4용지를 프린트하여 게시하였어서 보기가 힘들었습니다. 그중에서는 흥미로운 주제가 있기도 하였는데, 발표 자료가 보기가 좋지 않으니 자세히 살펴보지 않게 되는 것 같았습니다. 나중에 학회에서 발표하게 될 기회가 생겼을 때 이를 잘 염두해야겠습니다.

Top Conference 첫 번째 세션인 데이터 마이닝(세션1)을 가장 흥미롭게 참관하였습니다. 그래프와 이상치 탐지를 대주제로 진행되었습니다. 그 중 두 가지 연구를 간단히 소개해봅니다.
Leveraging Trustworthy Node Attributes for Effective Network Alignment - 서동혁 외, 한양대학교

Network Alignment라는 과업을 다룬 연구입니다. 처음 접한 연구 분야인데, 서로 다른 플랫폼의 소셜미디어에서의 소셜 네트워크에서 같은 사용자를 찾아내는 과업입니다. 회사에서는 점점 개인 정보 공개 이슈로 데이터를 공개하지 않는 상황이라고 합니다. 그래서 본 연구 분야의 기술들로 가령 인스타그램에서는 팔로잉 하는 사용자를 Linked-In에서 추천해줄 수 있게 되는 것입니다. 이에 본 연구는 노드 속성(attribute)을 어떻게 구성할 것인지에 대한 고민을 한 연구입니다. 크게 세 가지 특징을 지녀야함을 강조합니다: Global structural charateristic, seed-based structural characteristic, multi-aspect structural characteristic. Network Alignment라는 과업을 새로 알게 된 것에 의의가 있습니다

CAFO: Feature-Centric Explanation on Time Series Classification- 김재호 외, UNIST

본 연구는 다변량 시계열 분류 과업을 주제로 진행되었습니다. 인상깊은 점은 시계열 데이터를 이미지로 바꾸어 이미지 데이터 분류 과업으로 변환하여 전개되는 모습을 보여주었습니다. 이때 활용한 방법론은 Recurrence Plot이라고 합니다. 더불어, 해당 프레임워크로 변수의 중요도도 함께 구할 수 있게 되어 있어, 이를 증명하기 위해 프레임워크를 통해 산출된 중요도 기준으로 높은 변수와 낮은 변수를 각각 제거하였을 때의 성능 변화를 보여주었습니다. 인상깊었던 점은 직접 센서가 달린 장갑을 이용하여 데이터를 생성하여 손의 모양을 분류하는 과업을 진행한 점이었습니다. 이렇게 방법론의 성능을 입증하기 위해 데이터를 직접 생성하여 증명한 점이 실제 리뷰에서 좋은 평가를 받았다고 합니다.

CROWN: A Novel Approach to Comprehending Users’ Preferences for Accurate Personalized News Recommendation(발표자: 류승은, 한양대)
본 연구는 뉴스 추천 과업을 주제로 진행되었습니다. 흥미로웠던 점은 사용자의 선호도를 파악하기 위한 기준들을 설정했습니다. 첫 번째는, 뉴스의 카테고리 별로 ‘의도’가 담겨져 있으며, 의도 분포(intent distribution) 이 다르다고 설정하였습니다. 가령, 날씨 기사는 정보 전달의 비율이 가장 높고, 정치기사의 경우는 독자에게 설득하고자 하는 의도가 강하다는 등의 가정을 한 것입니다. 재미있는 가정입니다. 두 번째는 뉴스를 읽고 나서의 선호도를 판단하는 기준입니다. 이를 판단하는 기준은 크게 두 가지 인데, 하나는 만약 기사 사이트에 머무는 시간을 측정할 수 있다면, 텍스트의 길이 대비 머무는 시간의 비율로 그 값이 클수록 관심이 높은 것으로 볼 수 있습니다. 다른 하나는 뉴스 기사의 제목과 본문의 내용의 일관성이 다르면 선호도가 낮아질 것이라 판단할 수 있습니다. 저희가 진행했던 낚시성 뉴스기 탐지 모델과 연관지었을 때 그 결과를 이렇게도 해석할 수 있다는 것을 새로이 깨달았습니다. News Recommendation 과업이 계속해서 다뤄지고 있는 것이 신기하면서도 추천시스템 연구자로서 다행인 것 같습니다.

역시나 좋은 기회 제공해주신 교수님 덕분에 소중한 경험할 수 있었습니다. 다시 한 번 감사드립니다.