바뀜

=== 리뷰 인공지능(AI) 기반 개인화 추천 정확도 23% 높인 AI 네트워크 임베딩 기술 ‘LETTER’ ‘SIGEM’ 개발 (2025.07)<ref><뉴스H> 2025.0708.11 14 [https://wwwcms.newshyu.com/news/articleView.html?idxno=1019478 1019827 한양대 김상욱 교수팀, 리뷰 AI 기반 개인화 추천 정확도 23% 높인 AI 기술 ‘LETTER’ 개발네트워크 임베딩 기술로 KDD 2025 우수 논문상 수상]</ref> ===

* 데이터 사이언스 분야 최고 권위의 국제학술대회인 ‘제31회 ACM KDD 2025’에서 ‘Best Research Paper Award Honorable Mention’을 수상* 네트워크 내 모든 객체 쌍의 유사도를 정밀하게 계산해 이들의 관계를 벡터에 충실히 반영하며, 연결의 방향성까지 학습에 반영해 네트워크의 전반적 구조를 효과적으로 보존* 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 참여 ===리뷰 기반 개인화 추천 정확도 23% 높인 AI 기술 ‘LETTER’ 개발 (2025.07)<ref><뉴스H> 2025.07.11 [https://www.newshyu.com/news/articleView.html?idxno=1019478 한양대 김상욱 교수팀, 리뷰 기반 개인화 추천 정확도 23% 높인 AI 기술 ‘LETTER’ 개발]</ref>=== * 그래프 신경망(Graph Neural Network, GNN) 기반의 추천 시스템으로, 사용자 간 관계(U-U 그래프)와 상품 간 관계(I-I 그래프)를 독립적으로 구성하고, 사용자 리뷰를 긍정(Like)과 부정(Dislike)으로 분리해 학습하는 방식으로 작동. 이를 통해 LETTER는 ▲사용자의 전체적인 선호(G-Rep) ▲좋아하는 특성(L-Rep) ▲싫어하는 특성(D-Rep) 을 각각 분리해 모델링함으로써 사용자의 복합적인 취향을 정밀하게 반영* 정보통신기획평가원의 SW스타랩 사업과 방송통신산업기술개발 사업의 지원을 받아 수행되었으며, 한양대 김상욱 교수 연구팀의 손지원 연구원과 한양대 [[김현준]] 교수가 공동으로 참여* 7월 13일부터 17일까지 이탈리아 파도바에서 열리는 ‘제48회 ACM SIGIR 국제학술대회(The 48th International ACM SIGIR Conference on Research and Development in Information Retrieval)’에서 “Rating-Aware Homogeneous Review Graphs and User Likes/Dislikes Differentiation for Effective Recommendations”라는 제목으로 구두 발표될 예정