11월 7일 서울 연세대학교 경영관에서 열린 2015년 대한산업공학학회 추계학술대회에 참석하였다. 사실 규모로만 놓고 보면 INFORMS와 비교하여 상당히 작다고 할 수 있으나, 몇몇 눈에 띄고 참신한 발상들은 이 자리에서도 찾아볼 수 있다. 때문에, 이번에는 별도의 발표 없이 참석만 하였지만, 참석만 할 때에도 항상 좋은 경험이 된다고 할 수 있다. 내년에는 개인 연구성과를 잘 정리하여 여기에서도 발표를 할 수 있도록 해야겠다.

개인적으로 느낀 점과 일부 발표에 대하여 정리를 하면 다음과 같다.

● 전반적으로 느낀 점

INFORMS에서 발표 내용으로 현재 자주 등장하는 것 중 하나로 Markov 관련 모델을 꼽을 수 있는데, Markov random field, Markov blanket, Markov chain Monte Carlo(MCMC), Hidden Markov model이 대표적이다. 작년 대한산업공학회 추계학술대회와 더불어 이번 추계학술대회에도 Markov 모델을 사용한 내용을 볼 수 있었다. 이는 국내외로 Markov 모델을 눈여겨 보는 사람이 많다는 것을 입증하기도 한다. 해당 내용에 대해서 공부를 할 필요성이 있겠다. 여전히 큰 화두를 몰고 있는 딥러닝의 경우는 굳이 언급하지 않아도 될 정도로 잘 성장하고 있다는 것을 확인하였다.

● 발표 청취 후기

- A New Feature Ranking Method using a Markov Blanket for Gene Selection

Markov blanket을 이용한 변수 선택 방법론에 대해 발표하였다. 비교 실험을 위해 사용한 데이터는 유전자 관련 데이터 중 하나인 Microarray data이며, 기본적으로 제시한 방법은 변수 선택 중 Filter 방법론이므로 다른 Filter 방법론과 비교를 하여 결과를 제시하였다. 다양한 데이터에 대해 실험한 결과에서 제시한 방법의 우수성을 입증하였다. 인상 깊었던 것은 세 가지가 있다. 첫 번째는 다양한 데이터 상황에 맞는 변수 선택 방법을 제안했다는 것이다. 이는 어떠한 상황에서도 범용적으로 사용할 수 있는 좋은 알고리즘이라 할 수 있다. 두 번째는 다른 알고리즘에 비해 적은 수의 변수만을 사용해도 좋은 성능을 도출한다는 것, 세 번째는 변수의 수가 과하게 많을 경우 분류 정확도가 훼손된다는 것이다. 두세 번째의 경우 곧 다시 말하면 사용하는 방법에 맞는 적절한 변수의 수를 찾아야한다는 것인데, 이는 개인적으로 연구에 사용 중인 PCA, ICA, Functional PCA로 변환한 EEG 데이터 실험에서도 같은 결론을 내릴 수 있다. 전체적으로는, 내가 하고있는 고민을 다른 발표에서도 찾게 되어 기분 좋게 발표를 들었다.

- 딥러닝을 이용한 저널 추천 시스템

해당 발표자가 개인적인 지인이기도 하여 이전 학회에서도 발표를 들은 적이 있다. 이전에는 법률 데이터에 대한 토픽모델링을 통한 텍스트마이닝 그 자체가 주요 분석 내용이었다고 하면, 이번에는 각 저널의 초록을 이용하여 논문에 적합한 저널을 추천하는, 직접적으로 응용이 가능한 내용을 포함하고 있다고 할 수 있다. 특히 신경망 구조에서 hidden layer를 1~2개 적용하였을 때의 결과는 다른 알고리즘에 비해 데이터 수집 기간에 상관 없이 월등하다는 점은 인상 깊다. 딥러닝을 이런 쪽에서도 활용할 수 있다는 점을 확인하였고, 개인 연구에서도 딥 러닝을 적용하였을 때의 결과를 확인해볼 필요성이 있다고 다시금 생각하였다.