​2019 IEEE-6th International Conference on Industrial Engineering and Applications (ICIEA)

[학회 후기]

3박 4일동안 도쿄에 머물며 2019 IEEE-6th International Conference on Industrial Engineering and Applications (ICIEA)에 다녀왔다. 학회에서 이틀 동안 세션을 들으며 아시아 각국의 산업공학 관련 연구에 대해 파악할 수 있었다. 나라가 다른 만큼 산업에 따라 연구 니즈가 다르고 활용되는 사례가 상이한 것을 확인할 수 있었다. 또한, 비슷한 연구임에도 기여점을 다르게 내세우는 발표도 있었는데, 이는 문제 상황에 투영하는 관점에 따라서 기여점이 달라질 수 있음을 깨달았다. 이렇게 다양한 접근 방식을 몸소 체험하며 평소 문제를 해결하기 위해 취했던 나의 태도를 반성했으며 앞으로 계획하고 있는 연구에 대한 가능성도 자신할 수 있는 기회가 되었다. 이 뿐만 아니라, 교수님과 또래 연구원들과 함께 시간을 보내면서 서로의 연구나 발표에 대해 조언을 할 수 있었고, 같이 성장할 수 있던 값진 경험이었다고 생각한다. 

[발표 후기]

Topical Keyphrase Extraction with Hierarchical Semantic Networks

본 연구는 주어진 문서들에서 단어 간의 계층 구조를 파악하여 topical keyphrase를 추출하는 알고리즘이다. Topical Keyphrase란 문서가 가진 여러 주제 별로 keyphrase를 파악하는 것인데, 이를 위해 먼저 토픽 모델링 알고리즘을 사용하고, 토픽 별로 candidate phrase를 추출한 다음, 그 중 가장 대표성을 띄는 phrase를 찾는 것이 목표이다. 이를 위해 단어가 서로 얼마나 subsumption 관계에 있는지 global 하게 파악하였으며, centrality measure을 사용하여 해당 단어의 계층적 기능을 보다 강조했다. 결과적으로 keyphrase extraction method의 대표적인 알고리즘 5개보다 높은 성능을 얻을 수 있었다. 

Q: 다른 centrality measure가 있는 것으로 알고 있는데, 이 세 가지 centrality measure만을 사용한 이유는?

A: 다른 centrality measure가 존재하는 것은 사실이지만, 앞서 만든 hierarchical semantic network의 계층 구조를 효과적으로 반영하기 위해서는 inflowing edge를 통해 노드를 계산해야 한다. 이러한 특성을 반영한 대표적인 centrality measure들만을 사용하고자 했다. 

[청취 후기]

‘Automatic Keyword Extraction using TextRank’ - Papis Wongchaisuwat, Kasetsart University, Thailand 

이번 학회에서 내 연구와 가장 유사한 주제의 연구였다. Text Rank라는 알고리즘은 주어진 문서에서 가장 대표되는 keyword를 뽑아 문서 요약을 원활하게 해준다. 각 단어의 위치 정보에 따라 단어 네트워크가 만들어지고 이 단어 네트워크에 PageRank라는 centrality measure을 사용함으로써 각 단어의 중요성을 판단한다. 하지만 이는 각 단어 간의 관계만을 고려하고 문맥적으로 파악하지 못한다는 단점이 있다. 따라서 본 연구에서는 문서에서 sentence embedding과 word embedding을 모두 사용하여 keyword를 파악한다. 또한, 해당 단어와 가까이 위치하고 있는 단어들에 대해서는 보다 높은 weight 정보를 활용하여 각 keyword의 중요성을 탐지한다. 아직 진행 중인 연구이기 때문에 결과는 미흡하지만, 기존 연구의 한계점을 잘 보완하려는 시도라고 생각한다. 비슷한 연구를 하고 있기 때문에 발표를 들을 때부터 반갑게 느꼈으며 토의 과정에서 여러 질문과 생각들이 오갔다. 국제 학회에 와서 초면인 사람과 자유롭게 연구에 대한 의견을 나눌 수 있는 색다른 기회였다.