연구진은 참여 인식 데이터셋에서 문제가 되는 특정 사용자의 데이터를 완전히 제거하는 기계적 망각(machine unlearning) 방법을 연구했어요. 기존의 노이즈 데이터 처리 방식은 샘플 단위로 이루어지지만, 이 연구는 이미 학습된 모델에서 특정 사용자의 영향을 제거하는 데 집중했어요.
Tensor-Convolution and Convolution-Transformer Network (TCCT-Net) 모델을 기반으로 EngageNet과 DAiSEE 데이터셋에서 실험을 진행했으며, 전체 재학습 대비 약 1/4의 비용으로 89.3%~92.5%의 성능을 회복했어요.
연구 결과, 적절한 규모의 망각 집합(forget-set)을 선택하는 것이 중요하며, 데이터 선택의 품질과 제거 방식에 따라 효과가 달라지는 것을 확인했어요.