무선 네트워크 데이터 자동 정제 비서 WN‑Wrangle

본 논문은 무선 네트워크(WN) 데이터의 특수성을 고려한 데이터 정제 도우미 시스템, **WN‑Wrangle**을 제안한다. 기존의 데이터 정제 자동화 도구는 주로 무순서·단일 테이블 데이터를 대상으로 하며, 행 간 독립성을 전제로 한다. 그러나 무선 네트워크 데이터는 여러 측정 장치가 동시에 수집한 다중 테이블이며, 각 테이블은 시간 순서성을 갖고 있다. 예를 들어, 셀룰러 기기의 RF 측정값()과 스마트폰의 GPS 로그()를 결합하려면, 서로 다른 샘플링 주기와 단위 차이 때문에 타임스탬프를 정렬·보간해야 한다. 일반적인 정제 도구는 이러한 도메인‑특화 요구를 무시하고, 평균 imputation, 행 삭제 등 부적절한 연산을 제안한다. **WN‑Wrangle의 설계 목표**는 다음과 같다. (i) 시간 제약(주기성·완전성) 유지, (ii) 다중 테이블 간 자동 정렬(다운샘플링·업샘플링·타임스탬프 동질화), (iii) 행 간 관계 활용(전방·후방 채우기 등), (iv) 로그 스케일(dBm) 등 도메인 단위에 맞는 연산 보장, (v) 풍부한 설명 제공, (vi) 인터랙티브 제어 지원. 이를 위해 시스템은 다섯 개의 핵심 모듈로 구성된다. 1. **Semantic Profiler**는 각 컬럼의 데이터 타입, 단위, 샘플링 주기 등을 자동 추출한다. 예를 들어, ‘RSRP’가 dBm 로그 단위임을 인식하고, ‘frequency’가 Hz 단위임을 파악한다. 2. **Constraint Discovery**는 Temporal Functional Dependency(TFD)를 기반으로 “1초당 하나의 RSRP 레코드”, “timestamp 정밀도 일치”와 같은 도메인‑특화 제약을 자동 생성한다. 위반 사례는 결측·중복·불일치 형태로 탐지된다. 3. **Domain‑Specific Language (DSL)**는 무선 네트워크에 특화된 연산을 선언한다. 주요 연산에는 `forward_fill_log`, `downsample_to_sec`, `convert_MHz_to_ARFCN`, `log_to_linear`, `aggregate_log_mean` 등이 포함된다. DSL은 후보 연산 집합을 체계적으로 생성한다. 4. **Scoring Engine**은 각 후보 연산에 대해 (a) 제약 위반 감소량, (b) 데이터 변동성 보존 정도, (c) 연산 비용을 정량화한 복합 점수를 부여한다. Top‑k 연산을 자동 제안함으로써 사용자는 최소한의 선택만으로 목표 데이터셋을 얻을 수 있다. 5. **Explanation Module**은 제안된 연산마다 “왜 이 연산이 필요한가?”를 도메인‑특화 이유와 함께 자연어로 제공한다. 예를 들어, “RSRP는 로그 단위이므로 평균 imputation 대신 전방 채우기가 필요합니다.”와 같은 설명을 제공한다. 사용자는 제안을 검토·수정하고, 인터랙티브 UI를 통해 연산 파라미터를 조정할 수 있다. **시연**에서는 PO WDER 도시 규모 무선 테스트베드에서 수집한 실제 데이터 두 세트를 사용한다. 첫 번째 시나리오(예시 1)에서는 RF 측정과 GPS 로그를 초당 하나의 레코드로 정렬하고, 로그 단위 RSRP를 전방 채우기, 타임스탬프를 초 단위로 라운딩하는 과정을 자동 제안한다. 기존 도구는 평균 imputation이나 행 삭제를 제안했지만, WN‑Wrangle은 도메인‑맞춤 연산을 제시해 데이터 품질을 크게 향상시켰다. 두 번째 시나리오(예시 2)에서는 MHz 단위 주파수를 ARFCN 표준값으로 변환하고, 셀 ID와 PLMN 정보를 결합하는 과정을 자동화한다. 변환 테이블을 활용한 단위 매핑 연산을 제안함으로써 다중 테이블 조인 작업을 간소화한다. **평가** 결과, WN‑Wrangle은 제안된 연산이 데이터 품질 지표(결측 비율, 신호 변동성 보존, 모델 정확도)에서 평균 30 % 이상 향상을 가져왔으며, 사용자 인터랙션 시간도 기존 도구 대비 2배 이상 단축되었다. 또한, 도메인‑특화 설명이 사용자의 신뢰도를 높이고, 제안된 연산을 직접 검증·수정할 수 있게 함으로써 실무 적용 가능성을 입증했다. 결론적으로, 무선 네트워크 데이터 정제는 시간·주파수·단위·프로토콜이라는 복합적인 제약을 동시에 만족해야 하며, 이를 위해 **도메인‑전문 제약 모델링**, **특화 연산 DSL**, **정량적 스코어링**, **설명 기반 인터랙션**이 필수적이다. WN‑Wrangle은 이러한 요소들을 통합한 최초의 시스템으로, 무선 네트워크 데이터 기반 AI/ML 파이프라인의 생산성을 크게 향상시킬 것으로 기대된다.