- 오병국 교수팀, 국제학술대회 WSDM과 WWW서 연이어 논문 발표

△왼쪽부터 서지명 석사과정생, 이동천 석사과정생, 오병국 교수(컴퓨터공학부)

건국대학교 오병국 교수(컴퓨터공학부) 연구팀이 지식그래프 기반 인공지능(AI) 연구 성과를 바탕으로, 웹 검색·데이터마이닝 분야 세계 최고 권위 국제학술대회에서 논문을 연이어 발표한다.

이번 연구 성과는 오는 2월 미국 보이시에서 열리는 웹 검색·데이터마이닝 분야 세계 최고 권위 국제학술대회인 제19회 ‘ACM International Conference on Web Search and Data Mining(WSDM)’와 4월 아랍에미리트 두바이에서 열리는 ‘Proceedings of the ACM Web Conference 2026(WWW)’에서 발표될 예정이다.

연구팀은 뉴스 추천과 지식 기반 AI 환경에서 정보 왜곡과 추론 오류가 발생하는 구조적 한계에 주목했다. 특히 뉴스 추천 과정에서 자극적이거나 과장된 제목 표현이 추천 품질과 정보 신뢰도를 저해할 수 있다는 점에 착안해, 이를 완화할 수 있는 새로운 학습 전략을 제안했다.

이와 관련해 연구팀은 이미지 정보가 텍스트 표현의 편향을 완화하는 데 기여할 수 있다는 점에 주목하고, 이미지 정보를 활용해 학습한 편향 완화 능력을 텍스트 전용 모델로 이전하는 지식 증류 기반 학습 기법을 개발했다. 해당 연구는 ‘Image-Guided Debiasing Distillation with Preference Alignment Across Multi-News Histories’(제1저자 서지명 석사과정생, 교신저자 오병국 교수)라는 논문으로 정리되었으며, 이미지가 제공되지 않는 실제 서비스 환경에서도 뉴스 제목만으로 객관적이고 일관된 지식 트리플을 안정적으로 추출할 수 있는 지도 미세 조정(Supervised Fine-Tuning) 알고리즘을 제시했다. 해당 논문은 올 2월 미국에서 열리는 WSDM에서 발표된다.

또한 연구팀은 지식그래프 기반 질의응답 및 검색 환경에서 하나의 질의에 여러 의미가 동시에 포함될 경우, 이를 단일 의도로 단순화하면서 핵심 근거가 누락되는 문제를 해결하기 위한 연구도 수행했다. 복합 질의에 내재된 다양한 의미적 의도를 동시에 반영할 수 있도록 다중 의도 기반 검색·추론 기법을 제안했으며, 이를 통해 보다 풍부한 근거를 활용하고 추론 정확도를 높였다. 해당 성과는 ‘Diversifying Differentiable Graph Retrieval with Topic-Adaptive Multi-Intent Learning’(제1저자 이동천 석사과정생, 교신저자 오병국 교수)라는 논문으로 정리됐다. 해당 논문은 오는 4월 아랍에미리트에서 개최되는 WWW에서 발표될 예정이다.