본 논문은 공간적 라벨링의 유사성을 측정하는 새로운 방법론적 프레임워크와 구체적인 구현체인 SLAM(Spatial Labeling Analogy Metric)을 제시한다. 기존 방법들이 공간적 라벨링의 유사성을 측정할 때 라벨 일치 개수, 공간적 라벨 분포의 토폴로지, 불일치 라벨의 이질적인 영향 등을 모두 고려하지 못하는 한계를 극복하기 위해, 두 공간적 라벨링을 위치 조직, 라벨, 속성(예: 위치 중요도)을 기반으로 그래프로 변환하고, 그래프 속성의 분포를 추출하여 두 라벨링 간의 분포 차이를 계산함으로써 유사성을 측정한다. 특히, 공간 전사체학(ST) 데이터에서 기준 라벨링과의 유사성을 평가하는 데 SLAM을 적용하여, 모의 및 실제 ST 데이터를 사용한 실험을 통해 SLAM이 기존 평가 지표보다 더 포괄적이고 정확하게 라벨링 품질을 반영함을 보여준다. 소스 코드는 GitHub에서 공개한다.
