최대진 조교수

소셜 미디어를 통한 가짜 뉴스의 급속한 확산이 초래하는 사회적·경제적 피해를 방지하기 위해 기술적 대응 체계를 구축하는 연구를 수행하고 있습니다. BERT 기반 문장 진실도 판별 모델을 개발하여 텍스트의 사실 여부를 판별하며, 카테고리 간 전이학습을 적용해 서로 다른 뉴스 도메인에서도 모델의 일반화 성능을 확보했습니다. 아울러 에코 챔버 네트워크 분석 기법을 통해 유사한 의견을 가진 사용자 집단 내에서 루머가 증폭되는 메커니즘을 규명했으며, 딥러닝 기반 루머 확산 방지 모델을 설계해 초기 확산 단계에서 위험 신호를 포착하는 방법을 제시했습니다. 이러한 기술은 팩트체킹 자동화 서비스, 사회적 위험 조기 탐지 시스템, 정신 건강 지지를 위한 소셜 미디어 빅데이터 마이닝, 온라인 대화 진화 예측에 적용되고 있습니다. 관련 연구 성과로 Scientific Reports에 게재한 논문(Rumor Propagation is Amplified by Echo Chambers in Social Media)은 인용수 약 150회를 기록했으며, Expert Systems with Applications에 게재한 논문(Preventing Rumor Spread with Deep Learning)은 인용수 약 33회를 기록했습니다. 딥러닝 기반 댓글 예측 모델에 대한 특허도 출원했습니다.

복잡한 직무 관련 법률 정보에 비전문가도 쉽게 접근할 수 있는 지능형 검색 서비스에 대한 수요 증가에 대응하기 위한 연구를 수행하고 있습니다. 비즈니스 법률 용어에 특화된 자연어처리 기술을 적용해 전문 용어와 일상 언어 간의 간극을 해소했으며, NCS 기반 빅데이터 수집 프레임워크를 구축해 직무별 법률 정보를 체계적으로 수집하고 분류했습니다. 이 과정에서 NCS 직무 분류체계와 연계한 법률 용어 사전을 구축해 검색 정확도를 높이는 방법론을 마련했으며, 문서 기반 검색 알고리즘과 시각화 기술을 결합해 사용자가 필요한 법률 정보를 직관적으로 탐색할 수 있는 검색 서비스를 설계했습니다. 해당 기술은 직무 관련 법률정보제공 서비스, 법조인 및 일반 직장인 대상 맞춤형 법률 정보 검색에 적용되고 있습니다. 인공지능 자연어처리 기술 기반 직무관련 법률정보제공 서비스 개발 등 정부 과제를 수행했으며, '법령 검색 방법, 법령 검색 장치 및 컴퓨터 판독가능 저장매체' 특허를 출원해 공개했습니다.

신약 개발의 시간과 비용을 단축하기 위해 AI를 활용한 약물-표적 단백질 간 결합 친화도 예측 기술을 연구하고 있습니다. 약물 분자와 단백질 시퀀스의 지역적 특성을 강조하는 딥러닝 아키텍처를 설계해 기존 모델이 놓치기 쉬운 국소적 상호작용 정보를 결합 친화도 예측에 반영했습니다. 이를 통해 분자 구조 내 특정 부위와 단백질 결합 부위 간의 상호작용 패턴을 정밀하게 포착하는 예측 모델을 구축했으며, 전체 분자 구조를 균일하게 처리하는 기존 방식과 달리 결합에 중요한 국소 영역에 가중치를 부여함으로써 예측 정확도를 높이는 방법론적 차별성을 확보했습니다. 해당 기술은 신약 후보 물질 스크리닝과 신약 개발 프로세스 효율화에 적용되고 있습니다. 연구 성과는 Computational Biology and Chemistry에 논문(Improving Binding Affinity Prediction by Emphasizing Local Features of Drug and Protein)으로 게재되었으며, '인공지능을 이용하여 약품과 단백질 간의 결합 친화도를 예측할 수 있는 전자 장치'에 대한 특허를 출원해 공개했습니다.