연구팀은 그래프 신경망(GNN) 기반 추천시스템에서 특정 사용자의 데이터 삭제가 주변 사용자들의 추천 품질에 영향을 줄 수 있다는 점에 주목했다. 이를 해결하기 위해 데이터 삭제 후 성능 저하가 큰 사용자군을 자동으로 식별하고 선택적으로 추가 학습을 진행하는 보정 기술인 'Ada-Comp(Adaptive Compensation)'를 제안했다. 이번 연구는 머신 언러닝의 관점을 기존의 데이터 삭제 효율성에서 나아가 삭제 과정이 다른 사용자에게 미치는 영향까지 확장했다는 평가를 받는다. 이번 연구에는 정유진 학부연구생이 제1저자로 참여했으며, 해당 성과는 ACM KDD Undergraduate Consortium(KDD-UC '26)에 선정되어 이달 제주에서 발표됐다. 이상철 책임연구원은 이번 기술이 머신 언러닝 이후 발생할 수 있는 사용자군별 성능 격차를 줄이는 새로운 방향을 제시할 것으로 기대한다고 밝혔다.