Acknowledgement
이 논문은 2025년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원을 받아 수행된 연구임 (No.RS-2022-00155857, 인공지능융합혁신인재양성(충남대학교)). 또한, 이 논문은 2025년도 산업통상자원부 및 한국산업기술기획평가원(KEIT) 연구비 지원에 의한 연구임(RS-2023-00284506).
Annual Conference on Human and Language Technology (한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리))
- 2025.10a
- /
- Pages.301-306
- /
- 2025
- /
- 2005-3053(pISSN)
Multi-Label Text Classification via Heterogeneous Graphs with Structural Information and Label-Aware Alignment
이종 그래프 기반 구조적 정보 활용과 문맥적 정렬을 통한 다중 레이블 텍스트 분류
- Soohwan Jeong (AI/DX Center, Institue for Adavnced Engineering) ;
- Jongmin Park (Computer Science and Engineering, Chungnam National University) ;
- Junyoung Kim (AI/DX Center, Institue for Adavnced Engineering) ;
- Susik Yoon (Computer Science and Engineering, Korea University) ;
- Sungsu Lim (Computer Science and Engineering, Chungnam National University)
- 정수환 (고등기술연구원 AI/DX 센터) ;
- 박종민 (충남대학교 컴퓨터공학과) ;
- 김준영 (고등기술연구원 AI/DX 센터) ;
- 윤수식 (고려대학교 컴퓨터학과) ;
- 임성수 (충남대학교 컴퓨터공학과)
- Published : 2025.10.01
Abstract
다중 레이블 텍스트 분류는 문서 태깅과 정보 검색 등 다양한 응용에서 핵심 과제이다. 기존 연구는 (i) 문서-레이블 간 의미적 정렬과 (ii) 문서 간 전역 관계를 반영하는 구조적 접근에 각각 집중해 왔으나, 두 측면을 동시에 고려하는 데에는 한계가 있었다. 본 연구는 "문서-단어"와 "문서-문서" 관계로 이루어진 문서 그래프와 "레이블-상위 레이블 계층" 관계로 이루어진 레이블 그래프로부터 구조적 정보를 학습하고, 학습된 정보를 바탕으로 문서-레이블 간 문맥적 정렬을 수행하는 이종 그래프 학습 프레임워크를 제안한다. 제안 기법은 레이블 정렬 어텐션과 대조 학습을 결합해 문서 표현을 정교화한다. 다중 레이블을 포함하는 학술 및 뉴스 데이터셋에서의 실험 결과, 최신 기법 대비 분류 성능이 유의미하게 향상되었다. 이는 문서/레이블 그래프의 구조적 정보와 문서-레이블 정렬의 결합이 다중 레이블 텍스트 분류 성능 향상에 효과적임을 입증한다.