BIM 기반 LLM 모델 개발을 위한 학습 데이터 처리와 파인튜닝 프로세스 개발

강태욱

doi:10.5762/KAIS.2024.25.11.177

추천

검색

질문

자료유형: 학술저널

저자정보: 강태욱 (한국건설기술연구원)

저널정보: 한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제25권 제11호

발행연도: 2024.11

수록면: 177 - 185 (9page)

DOI: 10.5762/KAIS.2024.25.11.177

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

최근, 발전 중인 생성 AI 기술인 LLM(Large Language Model)은 건설을 포함한 다양한 산업 분야에 많은 관심을 받고 있다. 본 연구는 건설 분야에서 데이터 허브 역할을 하는 BIM(Building Information Modeling)을 LLM과 효과적으로 연계하여, BIM 기반 의사결정시스템 구현 시 필요한 전문가 시스템의 핵심 기술로서 LLM 기술 적용 가능성을 연구하고자 한다. BIM 지식 전문가 시스템 개발의 관점에서 보면, LLM을 효과적으로 활용하기 위해서는 과도한 학습 데이터 개발 비용, 환각 문제 등을 해결해야 한다. 본 연구는 이런 문제를 해결하기 위해 BIM 기반 LLM 모델 개발을 위한 학습 데이터 처리와 파인튜닝 프로세스를 제시한다. 이후, 프로토타입을 개발하고, 성능을 비교 분석하여, BIM기반 LLM모델 개발 시 고려사항을 도출한다. 이를 통해, 제시한 방법의 효율성, 한계점 및 향후 연구방향을 기술하였다. 프로토타입 개발을 통한 성능 분석 결과, BIM기반 LLM은 학습 컨텐츠의 맥락 내에서 유사한 결과를 요약해 생성하는 것을 확인할 수 있었다. 좋은 BIM 기반 LLM모델 성능을 위해서는 고품질 학습 데이터셋 및 파인튜닝 기법 개발이 중요하다.

#BIM #AI #LLM #Train Data Processing #Fine Turning #LORA #Knowledge #Expert

참고문헌 (11)

참고문헌 신청

T. W. Kang, “Ontology BIM-based Knowledge Service Framework Architecture Development”, Journal of KIBIM, Vol.12, No.4, pp.52-60, 2022. DOI: http://dx.doi.org/10.13161/kibim.2022.12.4.052

C. M. Woo, M. K. Kim, H. J. Jun, “Design Knowledge Classification based BIM Design System Framework - Representation of Building Scale Estimation Design Knowledge”, Architectural Institute of Korea, Vol.32, No.7, pp.21-28, 2016. DOI: http://dx.doi.org/10.5659/JAIK_PD.2016.32.7.21

O. C. Kwon, J. W. Cho, “Space Usage Knowledge Extraction from BIM Data by Decision Tree and Expert System”, Transactions of the Society of CAD/CAM Engineers, Vol.24, No.2, pp.126-134, 2019. DOI: http://dx.doi.org/10.7315/CDE.2019.126

H. S. Lee, S. K. Park, I. H. Kim, J. K. Lee, “A Logical Rule-based Approach to the Korea Architecture Code Sentences for BIM-enabled Design Assessment Systems”, Journal of Korea Design Knowledge, Vol.34, pp.101-110, 2015. DOI: http://dx.doi.org/10.17246/jkdk.2015..34.009

U, M. Kim, J. Ahn, S. Jeong, H. Kim, “Efficacy of Retrieval Augmented Generation-Based Large Language Models for Generating Construction Safety Information”, Social Science Research Network, pp.1-12, 2024. DOI: https://dx.doi.org/10.2139/ssrn.4819837

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

생성형 AI의 암묵적 편향 완화를 위한 LLM 기반 학습데이터 자동 구축 방안

박상민 , 김성태 , 김재은 한국정보과학회 학술발표논문집 2024 .12

인공지능(AI) 기술 도입을 위한 정책 및 적용사례와 한계점에 대한 연구

강지훈 , 정민경 , 박주영 외 2명 한국산학기술학회 논문지 2023 .09

CPS 컨텍스트 분석을 활용한 신재생에너지 설비 비지도학습 기반 이상탐지 모델 연구

유진도 디지털콘텐츠학회논문지 2023 .07

노인의 정보화기기 활용능력이 삶의 만족도에 미치는 영향: 사회참여활동과 우울의 연속 다중매개효과

이승희 , 한미진 , 이점숙 외 1명 한국산학기술학회 논문지 2023 .06

설계 초기 단계 형상정보 연동 데이터 호환체계 개발 - 오피스 매스를 중심으로

박정대 한국산학기술학회 논문지 2020 .11

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-091193537

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

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (11)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)