인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
본 연구는 특허 문서의 구조적 특성을 활용한 새로운 질의응답 데이터셋 구축 방법론을 제안한다. 기존의 특허 검색 시스템들은 제목, 요약, 청구항 중심의 단편적 검색으로 인해 문서의 전체적 맥락을 파악하는 데 한계를 보여왔다. 이러한 한계를 극복하기 위해 본 연구에서는 2000년부터 2021년까지의 특허 문서 3,000건을 분석하여 배경기술, 기술분야, 발명의 실시 내용 등 다양한 섹션을 포괄하는 1,071건의 질의응답 데이터셋을 구축하였다. EXAONE 3.5 7.8B 모델의 계층적 추론 프레임워크와 검색 증강(RAG) 방식의 추론 통해 특허 문서의 구조적 특성을 반영하여 질의응답을 생성하였다. 구축된 데이터셋으로 학습된 KoELECTRA 모델은 EM score 0.943, F1 score 0.986을 달성하여, 기존 특허 QA 벤치마크 대비 성능 향상을 확인하였다. 본 연구는 특허 문서의 계층적 구조를 활용한 데이터셋 구축 방법론을 제시함으로써 특허정보 처리 분야의 새로운 방향을 제시하였다는 점에서 의의가 있다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093706729
