건국대 연구팀, 복잡한 지식그래프 분석 AI 모델 'GLoRE' 개발

노형석 기자

작성일 2026-06-23 08:02

건국대학교 오병국 교수(컴퓨터공학부) 연구팀이 복잡한 관계 정보를 학습하는 인공지능(AI) 모델 ‘GLoRE’를 개발했다고 22일 밝혔다. 이 연구 결과는 데이터마이닝 분야 최고 권위 국제학술대회인 ‘제32회 ACM SIGKDD Conference on Knowledge Discovery and Data Mining(KDD 2026)’에서 발표될 예정이다. 해당 학술대회는 오는 8월 제주에서 개최된다.

지식그래프는 다양한 정보와 그 관계를 연결해 표현하는 기술로, 검색 엔진, 추천 시스템, AI 질의응답 등 여러 AI 서비스의 핵심 기반으로 활용된다. 최근에는 시간, 장소, 조건 등 추가 설명 정보인 퀄리파이어(Qualifier)까지 담는 하이퍼 관계형 지식그래프가 주목받고 있다. 그러나 관계 구조가 복잡해질수록 AI가 누락된 정보를 정확하게 예측하기 어려운 한계가 있었다.

연구팀은 이러한 문제를 해결하기 위해 관계와 개체(Entity)를 하나의 관계-개체 쌍(Relation-Entity Pair) 단위로 함께 인코딩하는 새로운 구조를 제안했다. 이를 통해 기존 모델에서 발생하던 역할 정보 혼합 문제를 완화하고, 각 개체가 어떤 관계 속에서 어떤 역할을 하는지를 명확히 보존할 수 있게 됐다.

또한 연구팀은 지식그래프 전체의 큰 구조를 파악하는 전역 하이퍼그래프 전파와 AI가 정보 중 어떤 부분에 주목해야 하는지 스스로 학습하는 지역 쌍 수준 셀프 어텐션 기법을 결합했다. 이를 통해 GLoRE는 지식그래프 전체의 구조적 정보와 개별 사실 내부의 세부 의미를 동시에 반영할 수 있도록 설계됐다.

연구팀은 사실 안에서 관계와 개체가 함께 등장하는 패턴을 바탕으로 관계 그래프를 구성하고, 이를 활용해 관계 표현을 정교화했다. 그 결과, GLoRE는 복잡한 퀄리파이어 정보가 포함된 지식그래프에서도 개체의 역할과 관계 정보를 효과적으로 보존했으며, 지식그래프의 누락된 정보를 예측하는 성능도 기존 방법보다 향상된 것으로 나타났다.

이번 연구는 향후 질의응답 시스템, 추천 시스템, 지식 기반 추론 등 복잡한 관계 구조를 다루는 다양한 AI 응용 분야에 활용될 수 있을 것으로 기대된다. 특히 다수의 관계와 맥락 정보가 얽힌 데이터를 보다 정확하게 이해하고 분석할 수 있어 차세대 AI 서비스의 성능 향상에도 기여할 것으로 전망된다.

한편 연구 논문 제목은 ‘Joint Global-Local Representations via Relation-Entity Pair Encoding for Hyper-Relational Knowledge Graphs(하이퍼 관계형 지식그래프를 위한 관계-엔티티 쌍 인코딩 기반 전역·지역 표현 학습)’이며, 제1저자는 지상준 학부생 인턴, 교신저자는 오병국 교수이다.