이 연구실은 자연어 처리 및 생성 모델 기반의 자기지도 학습 (Self-Guided Contrastive Learning) 과 가짜 레이블 (Pseudo Labels), 증류 (Distillation) 기법을 활용하여 레이블 부족 환경에서의 모델 성능을 강화하는 데 집중하고 있습니다. 또한, 이상 탐지, 오분포 검출, 추천 시스템 등 다양한 응용 분야에 이러한 기술을 적용하여 실제 서비스의 신뢰성과 실용성을 높이는 연구를 수행하고 있습니다.
92
논문
42
주도 (교신·마지막저자)
11
분야 상위 10% 논문
1.18
FWCI 중앙값
931
총 인용
1992–2026
수집 범위
FWCI(Field-Weighted Citation Impact)는 같은 분야·연도·논문 유형의 세계 평균을 1.0으로 놓고 비교한 값입니다. 분야 보정이 되어 있어 학회 논문과 저널 논문, 전산학과 재료공학을 같은 잣대로 볼 수 있습니다. 논문 92편 중 36편에 대해 산출됐습니다.
논문 유형
저널 논문 68학회 논문 20프리프린트 3책 챕터 1
연도별 논문
주도 (교신·마지막저자)참여
2026년 · 주도 0편 · 참여 6편
연구 계통도
모든 분야가 2025년 이후로도 이어지고 있습니다.
가로축은 연도, 점 크기는 그 해 논문 수입니다. 실선은 지금도 이어지는 줄기, 점선과 빈 동그라미는 2025년 전에 끊긴 줄기입니다. 논문 2편 이하인 분야 6개(6편)는 단발성 협업으로 보아 그리지 않았습니다.
전국 대학 · 전 분야