1,000만 편의 논문을 시각화한 글로벌 연구 공간 지도 구축

프로젝트의 규모와 시각화 품질에 대해 긍정적인 반응이며, 레이블링 정확도와 데이터 업데이트 주기에 대한 관심이 높다.

• 대규모 텍스트 데이터셋 시각화 시 SPECTER 2와 UMAP 조합을 고려할 수 있다.
• 공간 분할 시 보로노이 다이어그램을 활용하면 밀도 기반의 구역 정의가 용이하다.

균일 매니폴드 근사 및 투영(UMAP)

— 고차원 데이터를 저차원으로 시각화하기 위한 비선형 차원 축소 기법이다. 데이터 포인트 간의 국소적 구조를 유지하면서 대규모 데이터셋을 빠르게 처리할 수 있어 고차원 임베딩 벡터의 공간적 분포를 분석하는 데 필수적이다.

보로노이 분할(Voronoi Partitioning)

— 평면 위의 특정 점들을 기준으로 공간을 나누어 각 점과 가장 가까운 영역을 할당하는 기법이다. 이 프로젝트에서는 밀도 피크를 기준으로 의미론적 이웃 영역을 구분하여 시각적인 지도를 생성하는 데 사용됐다.

의미론적 쿼리(Semantic Query)

— 단순 키워드 매칭이 아닌 단어의 의미와 맥락을 기반으로 정보를 검색하는 방식이다. 임베딩 벡터 간의 유사도를 계산하여 사용자의 의도와 가장 가까운 논문이나 주제를 찾아내는 메커니즘을 가진다.