메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
고객센터 ENG
주제분류

논문 기본 정보

저자정보
(국립금오공과대학교) (국립금오공과대학교) (국립금오공과대학교) (국립금오공과대학교)
저널정보
한국정보기술학회 Proceedings of KIIT Conference 한국정보기술학회 2024년도 하계종합학술대회 및 대학생논문경진대회
오류 신고하기

피인용 0

검색

    초록·키워드

    LLM(Large Language Model)의 지속적인 발전으로 LLM은 요약 작업에서 우수한 성능을 보여주고 있다. 그럼에도 LLM을 활용하여 긴 텍스트 대상 요약 작업 수행 시, 깊이 있는 결과를 생성하는데 있어 여전히 한계가 있다. 본 논문에서는 기술정책 문서를 대상으로 한 요약보고서 생성 과정에서 보고서의 내용적 깊이를 강화하기 위해, GPT 기반 보강 방식과 RAG(Retrieval-Augmented Generation) 기법을 활용한 보강 방식 두 방식의 복합적 사용 방식을 비교 분석한다. 해당 보강 방식들을 비교함으로써, 기술정책 문서 요약보고서의 질을 향상시키는데 더 효과적인 방법을 검토하고, 추후 연구를 확장하여 사용자에게 보다 심층적인 정보를 포함한 요약보고서를 제공할 수 있도록 한다.

    최근 본 자료 전체보기