데이터에서 개념을 분류하고 규칙을 찾아내는 데 활용되는 형식 개념 분석(Formal Concept Analysis, FCA)은 이진 테이블을 기반으로 객체와 속성 간의 관계를 분석합니다. 하지만 실제 세계의 데이터는 훨씬 복잡하고 다중 관계를 포함하는 경우가 많아, 이를 처리하기 위해 관계형 개념 분석(Relational Concept Analysis, RCA)과 같은 확장된 방법론이 등장했습니다. RCA는 객체들이 다른 객체 그룹과 맺는 관계를 통해 특징 지어지는 그룹을 발견하는 데 중점을 두며, FCA보다 풍부한 결과를 제공하지만, 그만큼 계산 및 해석의 복잡성이 증가하는 단점이 있습니다.
FCA에서 가장 흔히 사용되는 개념 분류 구조는 개념 격자(concept lattice)입니다. 그러나 많은 애플리케이션에서는 조합 폭발(combinatorial blow-up)을 완화하거나 가장 정보성이 높은 부분에 집중하기 위해 개념 격자의 부분 구조인 AOC-poset을 선호합니다. AOC-poset은 객체나 속성을 새로 도입하는 개념만을 표현하여 개념 격자보다 크기가 작고 계산 및 사용이 용이합니다. RCA는 원래 개념 격자를 기반으로 정의되었으며 이 경우 수렴(convergence)이 보장됩니다. 하지만 AOC-poset을 기반으로 RCA를 구현할 경우, 이러한 수렴 보장이 사라진다는 문제가 제기되었습니다. 즉, 반복적인 분석 과정이 안정적인 결과에 도달하지 못하고 무한히 반복될 수 있다는 의미입니다.
최근 발표된 연구는 AOC-poset 기반 RCA에서 수렴이 보장되지 않는 이유를 상세히 조사했습니다. 연구진은 일반적인 경우에 수렴이 왜 보장되지 않는지 밝히고, 특정 조건에서는 여전히 수렴을 보장할 수 있음을 확인했습니다. 또한, 데이터셋을 변환하여 수렴을 회복하는 방법도 논의했습니다. 더 나아가, 연구는 AOC-poset 구조를 유지하면서도 수렴을 보장하는 새로운 RCA 변형 방식을 제안했습니다. 이 방식은 관계형 속성(relational attributes)이 한 번 생성되면 제거되지 않도록 하여 수렴을 보장하지만, 최종 구조에 없는 개념을 참조할 수 있는 속성이 생길 수 있다는 점을 한계로 지적합니다. 이러한 연구는 복잡한 데이터 분석 방법론의 안정성과 효율성을 높이는 데 기여할 것으로 보입니다.