검색증강 생성 기반 다국어 일반의약품 챗봇 시스템

Q: 이 논문에서 정의한 검색 증강 생성(Retrieval-Augmented Generation, RAG)이란 무엇인가?

외부 데이터베이스에서 관련 정보를 검색하고 이를 기반으로 하여 더욱 정확하고 풍부한 텍스트를 생성하는 기술이다. 본 연구에서는 식품의약품안전처의 공공데이터 API를 통해 확보한 의약품 정보를 활용하여 챗봇의 답변 정확도를 높이는 핵심 메커니즘으로 사용된다.

Q: 다국어 일반의약품 챗봇 시스템에서 검색 증강 생성 기술이 미치는 영향은 무엇인가?

연구 결과, 검색 증강 생성 기술을 적용한 시스템이 일반 GPT 기반 시스템보다 모든 평가지표에서 높은 점수를 기록하였다. 특히 의약품과 식품의 상호작용과 같은 전문적인 질문에 대해 더욱 구체적이고 정확한 정보에 기반한 답변을 제공하는 것으로 나타났다.

조항준; 김서영; 정대원; 오희빈; 정경용

doi:10.5370/KIEE.2025.74.11.1972

추천

검색

질문

자료유형: 학술저널

저자정보: 조항준 (Kyonggi University) 김서영 (Kyonggi University) 정대원 (Kyonggi University) 오희빈 (Kyonggi University) 정경용 (Kyonggi University)

저널정보: 대한전기학회 전기학회논문지 전기학회논문지 제74권 제11호

발행연도: 2025.11

수록면: 1,972 - 1,978 (7page)

DOI: 10.5370/KIEE.2025.74.11.1972

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

In this paper, we propose the multilingual Chatbot-based OTC drugs information summary model using retrieval-augumented generation. The proposed method use to provide accurate answers to OTC Drugs questions to users using OpenAI's GPT 3.5 model. The GPT 3.5 model, which was tuned prompts to provide answers based on official data, was used. In addition, the model was trained to answer with a consistent tone through fine tuning. And the research was conducted to provide real-time document-based answers through RAG-type research. This paper explains the design process of the chatbot system based on OpenAI's GPT 3.5 model and proposes a method of providing over-the-counter information more accurately and effectively in various languages. This study is expected to increase the reliability and accessibility of providing over-the-counter information to multinational users staying in Korea. In addition, it is expected to be able to provide answers based on various real-time information.

#Fine-tuning #Prompt-tuning #Retrieval-Augmented Generation #Chatbot #OTC Drugs Information Provision Chatbot

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-151-26-02-094553594

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

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)