대한민국 전역을 하나의 이기종 그래프로 표현하고 사람 중심 실시간 재난 인지 데이터를 언어모델로 학습해, 복합재난을 사전에 예측하고 자율 대응하는 AGI 개발

GrC 기반 정보 네트워크 구성 연구 - 집단지성에 의한 소셜 데이터를 기반으로 문서 간 동질성과 이질성이 반영되는 특징 매트릭스 구성 연구를 수행 - 모호성을 고려하기 위해 세분화 컴퓨팅 패러다임을 활용한 특징 매트릭스 구성 연구를 수행 - 그래프 분석 과정에서 부하를 줄이기 위해 그래프 차원 감소(graph dimension reduction) 기법 연구를 수행 그래프 분석을 위한 문서 전처리 연구 - 다양한 매체에서 발생하는 정보를 추출 및 요약하기 위해 인공신경망(Artificial Neural Network) 기반 RNN(Recurrent Neural Networks) 및 LSTM(Long Short-Term Memory), BERT(Bidirectional Encoder Representations from Transformers), GPT-3(Generative Pre-trained Transformer 3)를 이용한 연구를 진행함 - 대용량 그래프 처리를 위한 그래프 전처리 기술을 연구함 - 단어 임베딩(word embedding) 기법을 활용하여 ‘클릭 베이트’를 유도하는 특징을 추출하고 신뢰성이 떨어지는 컨텐츠의 특징을 추출함 대용량 그래프 데이터 분석 및 처리 연구 - 매체 간 관계, 정보의 특성을 반영하기 위해 어탠션 메커니즘(Attention Mechanism)을 활용한 그래프 구축 - 대용량 그래프를 생성하기 위한 소셜 데이터 전처리 기술 연구 - 사전 학습된 그래프를 활용하여 추가되는 노드와 속성에 대해서 fine tuning할 수 있는 기술 연구 - 그래프 분석 과정에서 batch, attention, layer의 3중 병렬화를 통해 대규모 그래프 데이터 효과적으로 처리하는 기술 연구 GNN 기반 그래프 분석 연구 - 다른 성질의 node와 edge를 포함한 방향성 그래프를 분석하기 위해 HetSANN(Heterogeneous Graph Structural Attention Neural Network)를 이용한 연구를 진행함 - 그래프의 구조적인 정보를 분석하기 위해 meta-path와 RandomWalk를 이용한 연구를 진행함 GCN기반 이기종 정보 그래프 분류 모델 - 출처에 따라 인접행렬의 가중치를 다르게 구성하여 출처, 문서 정보를 모두 반영하는 GCN 모델의 성능 향상 연구 - 어탠션 메커니즘을 사용하여 매체 간 관계를 저차원 인접행렬에 반영하는 기법 연구를 수행 - 동질성있는 문서를 분석하고 이를 그래프 단위로 분류하는 그래프 분류기술 연구를 수행 그래프 Link Prediction 기술 - 기존의 휴리스틱(heuristic)한 방법이 아닌 GNN 기반의 Link Prediction을 통해 node간의 edge에 대한 가정 없이 link prediction 기술 연구 - 그래프의 편향성을 완화하기 위해 어탠션 메커니즘을 통해 각기 다른 가중치를 부여하여 편향성 완화 기술 연구 그래프 기반 데이터 큐레이션 - 매체 간 관계, 정보의 특성을 반영하기 위해 어탠션 메커니즘(Attention Mechanism)을 활용 - 딥러닝을 기반으로한 큐레이션 연구 진행 - (GNN)이웃 노드(Data)의 요소(Attribute)간 상관관계를 가중치로 대상 정점마다 다른 연결성과 영향력을 데이터 편향을 방지하기 위한 ‘이질성’ 값으로 사용하기 위한 학습 연구를 수행 - (GCN)인접 노드의 요소 정보를 바탕으로 학습을 진행하고 인접 노드의 요소정보 평균을 취하여 반영하여 노드 간 동질성 관계를 파악하기 위한 연구를 수행 그래프 기반 애플리케이션 기술 연구 - 일부 라벨링(labeling)된 ‘클릭 베이트’의 특성을 통해 신뢰성이 떨어지는 문서, 매체를 식별하는 준 지도학습(semi-supervised learning)기술을 연구를 수행 - 큐레이션 정보의 신뢰성 평가 및 제공 기술 연구를 수행

- 집단지성에 의한 소셜 데이터를 기반으로 문서 간 동질성과 이질성이 반영되는 특징 매트릭스를 구성했습니다. - 모호성을 고려하기 위해 세분화 컴퓨팅 패러다임을 활용한 특징 매트릭스를 구성했습니다. - 그래프 분석 과정에서 부하를 줄이기 위해 그래프 차원 감소 기법을 연구했습니다. - 다양한 매체에서 발생하는 정보를 추출 및 요약하기 위해 인공신경망 기반 RNN, LSTM, BERT, GPT-3를 이용한 연구를 진행했습니다. - 대용량 그래프 처리를 위한 그래프 전처리 기술을 연구했습니다. - 단어 임베딩 기법을 활용하여 ‘클릭 베이트’를 유도하는 특징을 추출하고 신뢰성이 떨어지는 컨텐츠의 특징을 추출했습니다. - 매체 간 관계, 정보의 특성을 반영하기 위해 어탠션 메커니즘을 활용한 그래프를 구축했습니다. - 대용량 그래프를 생성하기 위한 소셜 데이터 전처리 기술을 연구했습니다. - 사전 학습된 그래프를 활용하여 추가되는 노드와 속성에 대해서 fine tuning할 수 있는 기술을 연구했습니다. - 다른 성질의 node와 edge를 포함한 방향성 그래프를 분석하기 위해 HetSANN을 이용한 연구를 진행했습니다. - 그래프의 구조적인 정보를 분석하기 위해 meta-path와 RandomWalk를 이용한 연구를 진행했습니다. - 출처에 따라 인접행렬의 가중치를 다르게 구성하여 출처, 문서 정보를 모두 반영하는 GCN 모델의 성능을 향상시켰습니다. - 어탠션 메커니즘을 사용하여 매체 간 관계를 저차원 인접행렬에 반영하는 기법을 연구했습니다. - 동질성있는 문서를 분석하고 이를 그래프 단위로 분류하는 그래프 분류기술을 연구했습니다. - 기존의 휴리스틱한 방법이 아닌 GNN 기반의 Link Prediction을 통해 node간의 edge에 대한 가정 없이 link prediction 기술을 연구했습니다. - 그래프의 편향성을 완화하기 위해 어탠션 메커니즘을 통해 각기 다른 가중치를 부여하여 편향성 완화 기술을 연구했습니다. - 매체 간 관계, 정보의 특성을 반영하기 위해 어탠션 메커니즘을 활용하여 개인에게 적합한 정보를 큐레이션하는 연구를 진행했습니다.

본 과제는 재난 발생 시 위험 지역 접근을 제한하고 안전한 곳으로 사람들을 유도하기 위해 스마트 지오펜싱 기술을 활용하여 정보를 전달하는 체계를 개발하는 연구임. 연구 목표는 스마트 지오펜싱 기술을 활용하여 위치 기반의 재난위험정보를 국민에게 전달하는 서비스 기술을 개발하는 데 있음. 핵심 연구 내용은 분산된 재난 정보를 통합 수집하고 재난 유형별 위험 지역 지오펜싱 범위를 정의하는 것임. 또한, 재난 위험구역 지오펜싱 구현 알고리즘과 사용자 위치 기반의 재난 및 안전지역 정보 송신 체계를 개발함. 재난 SNS 데이터 분석, 지오펜싱 형상 및 범위 설정 기법 개발, 맞춤형 재난 정보 표출 모바일 플랫폼 프로토타입 구현 등을 포함하며, 현장 테스트베드 실증을 통해 기술을 고도화함. 기대 효과는 효율적인 재난 정보 전달 기술 확보와 위치별 맞춤형 콘텐츠 제공을 통한 선제적 피해 저감임. 또한, 기술이전 및 시장 확대로 새로운 부가가치 창출 및 관련 산업 육성에 기여하고, 국지적 재난 시 현장 사용자의 대응력을 향상하여 인명·재산 피해를 최소화함으로써 안전한 사회 구축에 이바지할 것으로 전망됨.