본 연구는 차원 축소 과정에서 발생하는 시각적 왜곡의 원인으로 '애매한 데이터 인스턴스'를 지목했어요. 애매한 인스턴스는 여러 이웃 관계를 동시에 가지지만, 차원 축소 시 하나의 점으로 표현되어 이웃 구조가 왜곡돼요. 연구팀은 이러한 왜곡을 해소하기 위해 그래프 기반 접근 방식을 제안하여, 애매한 인스턴스를 여러 점으로 분할해 각 이웃 관계에 배치했어요.
UMAP을 활용한 실험 결과, 제안 방식은 기존 차원 축소 방식보다 숨겨진 이웃 관계를 더 잘 드러내고, 부분적인 이웃 임베딩을 줄이는 데 효과적이었어요. 이 방법은 다른 로컬 그래프 기반 차원 축소 기법에도 적용 가능하며, 다양한 예시에서 유효성을 검증받았어요.
연구팀은 애매한 인스턴스 분할 방식이 차원 축소 결과의 신뢰도를 높이고, 데이터 분석에서 더 정확한 통찰력을 얻는 데 기여할 것으로 기대해요.