AI for Information Retrieval

Members: 신원형, 정재환, 김지혜, 이수형

연구방법론; Causal Inference, Recommendation Algorithm, Query Performance Prediction, Task Oriented Dialogue System, Fact Verification

소개: 정보 검색과 추천은 인공지능, 데이터 마이닝, 데이터베이스, 기계학습 분야에서 오랫동안 중요하게 다루어져 온 핵심 연구 주제입니다. 최근에는 지식 그래프, 대형 언어 모델(LLM), 멀티모달 데이터와 결합되면서 새로운 환경에서의 정보 검색과 추천 문제로 연구 영역이 빠르게 확장되고 있습니다. 특히 유행 효과(popularity effect)의 제거, 데이터 및 알고리즘의 편향성 보정, 추천 결과에 대한 사실성 및 신뢰성 분석, 초개인화(hyper-personalization)와 같은 문제들이 중요한 연구 과제로 부각되고 있습니다. 또한 사용자와 아이템의 관계뿐만 아니라 시간적·공간적 정보와 다양한 외부 지식을 지식 그래프 형태로 통합함으로써, 기존보다 훨씬 복잡한 관계를 분석하고 활용할 필요가 커지고 있습니다. 이러한 복합적인 정보 구조를 효과적으로 이해하고 활용하기 위해서는 보다 심층적이고 과학적인 분석 방법론이 요구됩니다. 우리는 기계학습에 기반한 수리적 모델링을 통해 정보 검색과 추천 시스템의 원리를 분석하고, 정확성, 신뢰성, 개인화 성능을 향상시키기 위한 새로운 방법론을 연구하고 있습니다.

Funding: Ministry of Science and ICT

Leader: 신원형