정보 기반 비지도 분리와 토픽 모델링 시드 자동화 연구

Information-Theoretic Unsupervised Separation and Automated Seed Selection for Topic Modeling

연구 내용

상호정보를 활용한 신호 분리와, 공기발생 관계 기반의 시드 자동 선택으로 비지도 학습의 성능과 확장성을 높이는 연구입니다.

비지도 학습에서 정보성 있는 표현과 파라미터 선택이 성능을 좌우한다는 관점에서 접근합니다. 토픽 모델링에서는 소수 토픽을 포착하기 어려운 문제를 완화하기 위해, 레이블 없이도 단어 간 관계를 기반으로 다양하고 응집도 높은 seed word 집합을 자동으로 선택하는 SeedCapture를 제안합니다. 공기발생을 통해 의미 있는 단어 연관을 포착하고, 시드 기반 토픽 모델에 최소한의 튜닝으로 통합되도록 구성합니다. 한편 신호 처리에서는 상호정보 기반 Separator를 스펙트럴 정렬과 결합해 필터링 이론에 기반한 분리/정렬 성능을 향상시키는 접근을 수행합니다.

관련 프로젝트

0건

연구 흐름

토픽 모델링에서는 시드 워드가 수작업 또는 라벨 의존적으로 선정되는 한계를 확인하고, 미리 정해진 라벨 없이 단어 관계를 이용해 시드를 자동 선택하는 방향으로 연구를 전개합니다. 공기발생 기반 SeedCapture를 통해 다양한 단어 집합을 구성하고 기존 seed-guided 모델에 적용하며 정량·정성 평가로 확장성을 확인합니다. 동시에 정보 이론 관점에서 상호정보를 활용한 신호 분리 문제로 연구 범위를 확장하고, Spectral alignment 개념을 결합해 Separator의 분리 성능을 개선하는 방향으로 후속 연구를 수행합니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

비지도 토픽 모델링 시드 자동화
대규모 코퍼스 의미 구조 파악
소수 토픽 포착 성능 향상
정보성 기반 코퍼스 라벨링 보조
공기발생 기반 단어 연관 분석
상호정보 기반 신호 분리
스펙트럴 정렬 기반 필터 설계
정보 이론 기반 feature 추출
문서 군집화 전처리 모듈
신호 처리 파이프라인 모듈화