서울시립대학교(총장 원용걸) 통계학과 전종전 교수 연구팀의 논문이 컴퓨터과학 분야 국제 최우수 학술대회인 ‘CIKM 2025’에서 정보검색 분야 논문으로 채택되는 성과를 거뒀다.

CIKM은 미국 컴퓨터학회(ACM)가 주관하며, 인공지능·데이터베이스·정보검색 분야의 최신 연구 성과가 집중적으로 발표되는 세계적 권위의 학회다. 한국연구재단과 한국정보과학회가 모두 최우수 학회로 분류하고 있으며, 매년 전 세계 연구자들이 수천 편의 논문을 제출하는 가운데 채택률이 20-30% 내외에 불과하다.

이번에 채택된 논문은 “Generalizing Query Performance Prediction under Retriever and Concept Shifts via Data-driven Correction” (데이터 기반 보정을 통한 검색기 및 개념 변화 상황에서의 질의 성능 예측 일반화)이다.

해당 논문은 정보검색 시스템에서 주어진 질의가 관련 문서들을 잘 찾아주는지 사전에 예측하는 인공지능 모형에 대한 연구로, 다중 레이블 분류(Multi-label Classification, MLC)에 기반한 새로운 접근법을 제안했다. 기존에는 질의 성능을 직접 점수화하였던 회귀 기반 모델과 달리, 질의와 문서 쌍의 관련성을 직접 학습해 다양한 목표 평가 지표(RR@10, nDCG@10 등)를 정밀하게 예측할 수 있음을 입증했다. 이 연구를 통해 기존 회귀 기반 모형이 정보검색 시스템에 대한 체계적 편향이 있어 범용성이 저하됨을 확인하였고, 제안한 방법론을 통해 그 편향을 조정할 수 있음을 보였다.

이 연구는 데이터사이언스 융합인재양성사업의 지원을 받아 수행됐으며 서울시립대 통계데이터사이언스학과 정재환 박사과정생이 제1저자, 통계학과 전종준 교수가 교신저자로 함께했다.

연구팀은 “이번 성과는 데이터셋이나 검색 시스템이 달라져도 안정적으로 높은 정확도의 질의 성능 예측을 가능하게 한다는 점에서 의의가 크다”며 “대규모 검색엔진은 물론 최근 각광 받는 생성형 AI 기반 검색 시스템에서도 실질적 파급효과가 기대된다”고 설명했다.

또한 연구팀은 이번 기술을 텍스트 기반 검색을 넘어 다중 모달 검색 시스템으로 확장하는 후속 연구도 진행 중이다. 이미지·오디오·영상 등 다양한 형태의 질의가 활용되는 실제 환경에서 성능을 사전에 예측할 수 있도록 일반화 능력을 강화하고, 동시에 낮은 비용으로 빠른 추론이 가능한 경량 모델 설계에도 중점을 두고 있다.