복잡한 수생식물 데이터 마이닝을 위한 갈루아 격자 활용

본 연구는 유럽 수생식물(마크로파이트)의 생물학적 형질 데이터를 갈루아 격자를 이용해 분석함으로써, 지역적 차이를 초월한 물 환경 평가 지표를 개발하고자 한다. 서론에서는 기존의 종 기반 수질 지표가 지역 특성에 민감해 비교가 어려운 점을 지적하고, 형질 기반 접근법의 필요성을 강조한다. 데이터는 50여 종의 마크로파이트가 15개의 형질(예: 잠재 크기, 재생 능력, 번식 기간 등)과 각 형질에 대한 4‑8개의 모달리티로 구성되며, 각 모달리티에 0‑3의 친화도(없음·소수·보통·다수)가 할당된다. 이러한 삼중 구조(형질, 모달리티, 친화도)는 직접적인 이진 관계가 아니므로, 갈루아 격자 적용을 위해 이진화가 필요하다. 첫 번째 변환인 ‘완전 이분표’는 ‘Lxx’ 형식의 속성을 정의한다. L은 형질, 첫 번째 x는 모달리티 번호, 두 번째 x는 친화도이다. 예를 들어 S21 은 ‘잠재 크기’ 형질의 두 번째 모달리티에 친화도 1을 의미한다. 이 변환으로 149개의 이진 속성이 생성되고, ConExp 도구를 이용해 격자를 구축하면 1401개의 개념이 도출된다. 격자 구조는 상위‑하위 개념 사이에 복잡한 포함 관계를 형성하며, Duquenne‑Guigues 기반 함의 430여 개가 추출된다. 그러나 개념 수가 방대해 시각적 해석이 어려우며, 친화도 분포 자체가 사라져 연구자가 기대하는 “특정 형질에 대한 친화도 패턴”을 파악하기 힘들다. 두 번째 변환인 ‘패턴 접근법’은 각 형질에 대한 친화도 벡터를 하나의 문자열 패턴으로 압축한다. ‘S0122’와 같이 형질 문자 뒤에 친화도 값을 순서대로 나열한다. 이진 테이블은 패턴 존재 여부만을 기록하므로 속성 수가 크게 감소하고, 격자는 76개의 개념(6계층)으로 축소된다. 그러나 패턴이 과도하게 구체적이어서 대부분의 패턴이 한 종에만 매칭되고, 지원도가 5 이하인 함의가 다수 발생한다. 친화도를 0‑1·2‑3 혹은 0·1·2·3 등으로 그룹화하면 지원도가 약간 개선되지만, 이는 수생생물학자에게 의미 있는 구분을 제공하지 못한다. 두 접근법의 한계를 논의하면서, 저자들은 복합 데이터를 다루기 위한 ‘합집합 격자’와 ‘교집합 격자’라는 두 종류의 갈루아 연결을 제안한다. 히스토그램 형태의 친화도 분포에 대해 합집합 연결은 각 모달리티의 최대 친화도를, 교집합 연결은 최소 친화도를 취해 객체‑속성 관계를 정의한다. 이렇게 하면 두 종 사이의 형질 패턴 차이를 격자 상에서 합집합 개념(최대값)과 교집합 개념(최소값)으로 동시에 표현할 수 있다. 또한 퍼지 갈루아 격자를 도입하면 친화도 0‑3을 확률적 멤버십 값으로 해석해, 함의 추출 시 연속성을 유지하면서도 불확실성을 반영할 수 있다. 결론에서는 현재 제안된 두 변환 방법이 각각 “정보 과다”와 “정보 부족”이라는 상반된 문제를 가지고 있음을 재확인한다. 향후 연구 과제로는 복합 갈루아 연결을 활용한 다중 격자 모델링, 퍼지 논리 적용, 그리고 도출된 개념·함의를 수생생물학 전문가에게 검증받는 절차를 제시한다. 이를 통해 지역 독립적인 형질 기반 물 환경 평가 체계를 구축하고, 궁극적으로 유럽 전역의 수질 비교 및 관리에 기여하고자 한다.