유사성 차이와 아날로지 기반 기계학습 혁신

초록

본 논문은 네 객체 사이의 아날로지적 차이(analogical dissimilarity)를 정의하고, 특히 시퀀스 형태 데이터에 적용하는 방법을 제시한다. 아날로지 비율이 성립하는 경우와 하나의 객체가 미지인 경우의 해법, 그리고 차이를 측정하는 최적 정렬 알고리즘을 개발한다. 이를 기반으로 학습 샘플에서 최소 차이를 보이는 삼중항을 찾는 학습 알고리즘을 제안하고, 이진·명목 데이터 분류와 손글씨 인식 두 실험을 통해 실용성을 검증한다.

상세 분석

논문은 먼저 “아날로지 비율”(a:b::c:d)의 개념을 수학적으로 정형화하고, 네 객체가 완전한 비율을 이룰 때의 조건을 명시한다. 여기서 핵심은 ‘아날로지 차이(analogical dissimilarity)’라는 새로운 거리 개념을 도입해, 비율이 완벽히 성립하지 않을 때도 정량적으로 평가할 수 있게 한 점이다. 특히 시퀀스 데이터에 대해서는 동적 프로그래밍 기반의 최적 정렬 알고리즘을 설계했는데, 이는 네 개의 시퀀스를 동시에 정렬하면서 삽입·삭제·대체 비용을 최소화한다. 이 과정에서 기존의 두 시퀀스 정렬(LCS, edit distance)과는 달리 네 변수 간의 상호작용을 고려함으로써 아날로지 차이를 정확히 측정한다.

다음으로, 하나의 객체가 미지인 경우(아날로지 방정식 a:b::c:x)를 푸는 알고리즘을 제시한다. 여기서는 알려진 세 객체의 관계를 역추적해 가능한 후보 x들을 생성하고, 차이가 최소인 후보를 선택한다. 후보 생성 단계에서는 문자 집합이나 상태 전이 그래프를 활용해 탐색 공간을 효율적으로 제한한다.

학습 측면에서는 전체 학습 집합에서 주어진 테스트 객체 y와 가장 작은 아날로지 차이를 보이는 (a,b,c) 삼중항을 찾는 문제를 NP‑hard로 인식하고, 근사적 탐색 전략(그리디, 후보 제한, 히스토그램 기반 필터링)을 도입해 실시간 성능을 확보한다. 실험에서는 12개의 이진·명목 데이터베이스에 대해 k‑NN과 SVM 대비 2~5% 정도 정확도 향상을 기록했으며, 특히 데이터가 희소하거나 클래스 불균형이 심한 경우에 큰 이점을 보였다.

두 번째 실험에서는 손글씨 문자 인식에서 새로운 필체(writer)에 대한 적은 수의 샘플만으로도 기존 모델을 빠르게 적응시킬 수 있었다. 아날로지 방정식을 풀어 생성된 합성 시퀀스를 기존 학습 데이터에 추가함으로써, 몇 개의 라벨링된 샘플만으로도 인식 정확도가 10% 이상 상승했다. 이는 아날로지 차이가 데이터 증강과 전이 학습을 자연스럽게 연결해 주는 메커니즘임을 시사한다.

전체적으로 본 연구는 아날로지 기반 거리 측정과 그 활용 알고리즘을 체계화함으로써, 전통적인 거리 기반 학습법이 갖는 한계를 보완하고, 특히 시퀀스 데이터와 적은 라벨링 상황에서 강력한 성능을 발휘한다는 점에서 의미가 크다.