자기조직화지도와 기호데이터의 새로운 접근

초록

본 논문은 전통적인 실수 벡터가 아닌 기호데이터(구간, 범주, 집합 등)를 대상으로 자기조직화지도(SOM)를 적용하기 위한 확장 모델을 제안한다. 데이터 간 이질성을 반영한 거리·불일치 측정법을 도입하고, 원형 프로토타입을 이용해 배치 학습 과정을 설계한다. 실제 기호데이터 사례에 적용한 실험을 통해 제안 방법이 기존 SOM 대비 토폴로지 보존과 군집 품질에서 우수함을 입증한다.

상세 분석

기호데이터는 값이 단일 실수 대신 구간, 다중 범주, 집합 등 복합적인 형태를 띠어 전통적인 유클리드 거리 기반 분석에 한계를 보인다. 논문은 이러한 한계를 극복하기 위해 SOM의 핵심인 ‘프로토타입(노드)’을 고정된 실수 벡터가 아니라 기호 객체 자체로 정의한다. 이를 위해 저자들은 먼저 기호데이터 간의 불일치(dissimilarity) 함수를 설계한다. 구간 데이터의 경우 겹치는 정도를 기반으로 한 Jaccard‑type 거리, 범주형 데이터는 빈도 기반의 변형된 Hamming 거리를 사용한다. 이렇게 정의된 거리 행렬은 SOM의 경쟁 단계에서 각 입력과 모든 노드 간의 거리를 계산하는 데 활용된다.

프로토타입 업데이트는 기존 SOM에서 평균을 취하는 방식이 불가능하므로, 배치 방식으로 전환한다. 각 반복에서 입력 데이터는 가장 가까운 노드에 할당되고, 할당된 데이터들의 기호 특성을 집계해 새로운 프로토타입을 생성한다. 구간 데이터의 경우 할당된 구간들의 최소·최대값을 취해 새로운 구간을 만들고, 범주형 데이터는 할당된 레이블들의 다중집합을 통해 가장 빈도가 높은 레이블을 선택한다. 이 과정은 토폴로지 보존을 위한 이웃 함수와 학습률을 곱해 가중 평균을 구함으로써 노드 간의 연속성을 유지한다.

알고리즘 수렴성에 대한 이론적 논의는 제한적이지만, 실험 결과는 배치 업데이트가 충분히 안정적인 클러스터링을 제공함을 보여준다. 특히, 제안된 SOM은 시각화 측면에서 기존 방법보다 명확한 지도 구조를 형성하며, 군집 간 경계가 기호 특성에 따라 자연스럽게 구분된다. 한계점으로는 거리 함수 설계가 도메인에 크게 의존한다는 점과, 고차원·고복잡도 기호 데이터에 대한 계산 비용이 증가할 가능성이 있다. 향후 연구에서는 거리 함수의 자동 학습 및 병렬 구현을 통해 확장성을 높이는 방안을 제시한다.