국민대학교(총장 정승렬) 소프트웨어학부 배홍균 교수가 자연어처리 분야 세계 최대 규모 학회인 EMNLP 2026(Conference on Empirical Methods in Natural Language Processing)에 논문을 발표한다. 이번 학회에는 전 세계에서 총 17,669편의 논문이 접수됐으며, 이 중 15.4%인 2,719편만이 Main Conference 논문으로 선정됐다. 이번 연구는 한양대학교 김상욱 교수 연구팀과 공동으로 수행됐다.

연구팀이 제안한 SAND는 뉴스 추천 시스템의 오랜 전제를 뒤집는다. 기존 기술은 기사의 실제 본문을 분석해 사용자의 취향과 맞춰보는 방식이었지만, 정작 사용자가 뉴스를 클릭하는 순간에는 아직 본문을 읽지 않은 상태다. 클릭을 결정하는 것은 기사의 실제 내용이 아니라 제목을 보고 짐작한 독자 나름의 예상이라는 것이 연구의 출발점이다. 연구팀은 이러한 '기대 본문(anticipated body)'을 만들어내기 위해 세 개의 대형언어모델(LLM) 에이전트가 역할을 나눠 협업하는 구조를 설계했다. 첫 번째 에이전트가 과거 클릭 기록에서 사용자의 관심사를 요약하면, 두 번째 에이전트가 이를 참고해 그 사용자라면 어떤 내용을 예상할지를 글로 써내고, 세 번째 에이전트가 그 결과를 지켜보며 잘 맞지 않은 사례를 바탕으로 글쓰기 방식 자체를 수정하도록 지시한다. 이렇게 생성된 텍스트는 사람이 쓴 기사와 문체가 달라 추천 모델에 혼란을 줄 수 있는데, 연구팀은 실제 본문으로 학습한 모델의 지식을 사용자 표현과 뉴스 표현 두 경로로 나누어 전달하는 이중 경로 지식 증류(dual-pathway distillation) 기법으로 이를 해결했다. 영어권 데이터셋 MIND와 노르웨이어 데이터셋 Adressa를 대상으로 한 실험에서 SAND는 기존 최신 기법 11종을 모두 앞섰다. 이번 연구는 "SAND: Subjective-Anticipation-Augmented News Recommendation via Dual-Pathway Distillation"이라는 제목으로 오는 11월 헝가리 부다페스트에서 열리는 EMNLP 2026에서 발표된다.

연구책임자인 배홍균 교수는 "추천 시스템 연구가 그동안 '무엇을 읽었는가'에 집중해 왔다면, 이번 연구는 '무엇을 읽을 것이라 기대했는가'라는 클릭 직전의 심리 상태를 모델링한 것"이라며 "뉴스뿐 아니라 사용자가 정보를 충분히 확인하지 못한 채 선택해야 하는 전자상거래, 동영상 추천 등 다양한 분야로 확장할 수 있다"고 밝혔다.