공공 데이터 증강(Augmentation)을 통한 거대언어모델(LLM) 성능 개선 방안 연구

Q: 이 논문에서 정의한 의미 보존형 프롬프트란 무엇인가?

생성형 모델이 원본 텍스트의 핵심 의미나 법적 논리 구조를 유지하면서 다양한 표현을 생성하도록 유도하는 프롬프트 설계 방식이다. 이는 법적 책임, 의무, 권리 구조를 보존하며 문장 표현의 다양성을 확보하는 것을 목적으로 한다.

Q: 법률 데이터 증강 시 의미 보존형 설계가 LLM 성능에 어떤 영향을 미치는가?

연구 결과, 법률적 의미 보존 중심의 설계는 LLM의 문맥 이해력과 추론 신뢰도를 높이는 데 효과적이다. 특히 약관 및 하도급 계약 데이터 증강을 통해 ROUGE-2와 ROUGE-L 점수를 유의미하게 향상시키며 불공정 조항 탐지 정확도를 높였다.

송민규; 이주형; 신호; 장진우; 배소연

doi:10.17790/kors.2025.12.95.233

학술저널

저자정보: 송민규 (미디어젠) 이주형 (미디어젠) 신호 (공정거래위원회) 장진우 (미디어젠) 배소연 (딥모달)

저널정보: 고려대학교 한국학연구소 한국학연구 한국학연구 제95집

오류 신고하기

피인용 0

검색

초록·키워드

본 연구에서는 거대 언어 모델 기반의 계약 공정화 시스템 개발에 있어 고품질의 공정성 태깅 데이터 부족 문제를 해결하기 위한 효과적인 데이터 증강 (Data Augmentation) 방법에 대해 살펴보았다.
일반적으로 거대 언어 모델의 성능은 고품질 훈련 데이터의 양에 비례한다. 그러나, 하도급 계약서와 약관 조항에 대한 공정성 태깅은 고도의 전문성을 갖춘 법률 전문 인력에 의해 수행되며 특히 약관의 공정성은 공정거래위원회에서 판단하므로 대량의 공정성 태깅된 데이터를 수집하는 것은 현실적으로 어렵다.
이러한 문제를 해결하기 위해 본 연구에서는 (a) 공개된 공정/불공정 태깅 가능한 약관 및.하도급 계약 데이터를 기반으로 조항 단위 분리, 법령 매칭, 프롬프트 기반 문장 증강 과정을 거쳐 학습 데이터를 구축하고 (b) 의미 보존형 증강(semantic-preserving augmentation) 및 법률 근거 삽입형 프롬프트 설계를 통해, 법적 책임·의무·권리 구조를 유지하면서 문장 표현의 다양성을 확보하였다.
실험 결과, 원본 2,307건의 데이터를 25,324건으로 약 11배 증강하였으며, Qwen2.5-7B-Instruct 및 MIRAGE LLM을 통한 학습 결과 ROUGE-2 점수는 30.7%, ROUGE-L 점수는 21.2% 향상되었다.
이 연구는 공공 데이터 접근 제약 환경에서도 데이터 증강이 실질적 대안이 될 수 있음을 입증하였으며, 법률적 의미 보존 중심의 설계가 LLM의 문맥 이해력과 추론 신뢰도를 높이는 데 효과적임을 보여준다. 또한 클러스터 기반의 사전 필터링과 프롬프트 제어 방식을 통해 품질 저하를 최소화함으로써, 공정위·소비자원 등 공공기관의 계약 공정성 심사 시스템에 적용 가능한 기술적 기반을 제시하였다.
본 연구는 향후 공공 LLM 개발 시 데이터 확장성과 품질 유지의 균형을 달성할 수 있는 모범적 사례로 평가되며, 행정·법률 분야의 디지털 전환과 신뢰성 강화를 위한 핵심 전략으로서 의미를 가진다.

This study examines an effective data augmentation method to address the lack of high-quality fairness-tagged data in the development of Large Language Model (LLM)-based contract fairness systems.
In general, the performance of an LLM is proportional to the quantity and quality of its training data. However, fairness tagging of subcontract and terms-of-service clauses requires highly specialized legal expertise, and since fairness evaluations of standard terms are conducted by the Korea Fair Trade Commission (KFTC), collecting large-scale, fairness-labeled data is practically difficult.
To overcome this limitation, the present study (a) constructed a training dataset through clause-level segmentation, legal-statute matching, and prompt-based sentence augmentation using publicly available fair/unfair contract data; and (b) applied a semantic-preserving augmentation and law-insertion prompt design approach to maintain the legal structure of responsibility, obligation, and rights while ensuring linguistic diversity.
Experimental results show that 2,307 original samples were expanded to 25,324 augmented samples approximately an elevenfold increase. Training with Qwen2.5-7B-Instruct and the MIRAGE LLM improved ROUGE-2 by 30.7% and ROUGE-L by 21.2%.
The study demonstrates that data augmentation can serve as a practical alternative in restricted public-data environments and that a meaningpreserving, legally grounded design effectively enhances the LLM’s contextual understanding and reasoning reliability. Furthermore, the proposed cluster-based pre-filtering and prompt-control methods minimized quality degradation, providing a technical foundation applicable to public-sector contract fairness review systems, such as those operated by the Korea Fair Trade Commission and the Korea Consumer Agency.
This research is evaluated as a model case for achieving both data scalability and quality maintenance in future public LLM development and represents a key strategy for strengthening trust and accelerating digital transformation in administrative and legal domains.

#거대언어모델(LLM) #데이터 증강(Data Augmentation) #불공정 조항 탐지 #의미 보존형 프롬프트(semantic-preserving prompt) #Large Language Model (LLM) #Data Augmentation #Unfair Clause Detection #Semantic-Preserving Prompt Generation

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-26-02-095667319

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료