디지털 기업에서 지식 검색을 위한 트랜스포머(BERT)의 양방향 인코더 표현과 그래프 신경망(GNN)을 결합한 AI 워크플로우

Summary

이 프로토콜은 BERT를 엔터티 및 관계 추출을 위해 미세 조정하고, 온톨로지 정렬을 위해 그래프 신경망을 활용하며, 비정형 데이터로부터 기업 지식 그래프를 구축하고, 의미론적 검색 성능과 의사결정 지원 효율성을 체계적으로 평가하는 재현 가능한 AI 기반 워크플로우를 제시합니다.

Abstract

대량의 비구조화된 조직 데이터는 기업 지식 관리(KM) 시스템이 정확하고 맥락적으로 적합한 정보를 추출하기 어렵게 만들어, 비효율적인 지식 공유와 의사결정 지연으로 이어질 수 있습니다. 이 연구는 이러한 한계를 극복하기 위한 통합 인공지능 기반 프레임워크를 제안합니다. 이 도구는 온톨로지 정렬과 의미론적 추론을 위한 그래프 신경망(GNN)과 도메인 특화 엔터티 및 관계 추출을 위한 정제된 양방향 인코더 표현(BERT)을 결합합니다. 체계적인 데이터 수집, 기업용 텍스트 말뭉치 전처리, BERT를 세밀하게 조정하여 엔터티와 관계를 식별하고, 추출한 삼중 함수를 구조화된 지식 그래프로 변환하며, 이기종적인 지식 소스 간 의미적 일관성을 보장하기 위한 GNN 기반 온톨로지 정렬이 방법론적 파이프라인을 구성합니다. 실제 기업 시나리오에서 시스템 효율성을 평가하기 위해, 이 프레임워크는 검색 정밀도, 온톨로지 정렬 올바름, 의사결정 지연 등 작업 지향적 평가 지표도 통합합니다. 기본 방법과 비교했을 때, 두 산업 응용 분야에서 실험적 검증은 의사결정 지연이 35% 감소하고 지식 검색 정밀도가 21% 향상된 것으로 나타났습니다.

더불어, 사용자 피드백에 따르면 KM 인터페이스는 의미 검색과 맥락 태깅 기능을 통해 사용자 만족도를 높였다고 합니다. 제안된 아키텍처는 그래프 기반 추론과 정렬을 딥러닝 기반 정보 추출과 체계적으로 융합하여 비정형 기업 데이터에서 재현 가능한 지식 그래프 구축을 용이하게 합니다. 연구 결과는 조직화된 지식 표현이 조직 절차와 일치할 때 전략적 및 운영 KM 결과가 모두 향상됨을 보여줍니다. 종합적으로 제안된 방법은 검색 정확도를 높이고, 의사결정 워크플로우 반응 속도를 높이며, 기업용 KM 시스템에 실용적이고 확장 가능한 옵션을 제공합니다.

Introduction

효과적인 KM은 데이터 저장소가 분리되어 있고, 조직 플랫폼이 다양하며, 비구조화된 문서에 분산된 지식 때문에 디지털 전환 프로그램에서 도입하기 어려울 수 있습니다. 기업 지식을 체계적으로 추출, 구조화, 정렬 및 운영화하는 재현 가능하고 기술적으로 구현 가능한 프레임워크는 많은 연구에서 제안되지 않았으며, 이전 연구들은 조직 및 부문별 관점에서 AI 도입과 디지털 전환을 다룬 바^{있습니다. 1, 2, 3}. 현재의 방법들은 주로 관리적 또는 전략적 결과에 초점을 맞추지만, 대규모 배포를 위한 충분한 아키텍처 세부사항을 제공하지 못합니다.

기존의 관리 정보 시스템(MIS)과 기업 자원 관리(ERP) 시스템은 주로 구조화된 데이터를 처리하고 트랜잭션 보고를 촉진하지만, 비구조화된 텍스트를 처리하거나 문맥 인식 의미 추론을 수행할 수는 없습니다. 반면, 복잡한 텍스트 코퍼라 ^4,5에서 나오는 문맥적 엔터티와 RE는 BER....

Protocol

윤리적 선언

이 연구는 데이터 수집 전에 말레이시아 국립대학교(UKM) 기관심사위원회(IRB)의 검토 및 승인을 받았습니다(승인 ID: UKM/FEP/2025/AI-047; 승인일: 2025년 3월 12일). 승인된 프로토콜은 인간 참가자를 대상으로 한 구조화 설문조사 및 반구조화 인터뷰 시행을 포함했습니다. 모든 참가자는 연구 목적, 자발적 참여성, 언제든 불이익 없이 철회할 권리에 대해 안내받았으며, 포함 전에 서면 동의를 받았습니다. 참가자의 익명성과 기밀성이 엄격히 유지되었으며, 분석이나 출판에 개인 식별 정보는 포함되지 않았고, 모든 데이터는 기관 윤리 기준과 인간-피험자 연구를 위한 관련 국제 지침에 따라 학술 연구 목적으로만 안전하게 저장 및 사용되었습니다.

제안된 BERT–GNN KM 프레임워크의 전체 아키텍처

초기에는 내부 문서, 고객 상호작용, 소셜 미디어 콘텐츠 등 비정형 텍스트를 처리하기 위해 미세 조정된 트랜스포머 인코더가 사용되었습니다. BERT–GNN 기반 KM 워크플로우의 전체 시스템 아키텍처는

Results

데이터 전처리 및 BERT 미세 조정

제안된 장치는 비구조화된 이해 추출을 위한 최적의 BERT 버전과 이해 그래프 프레임워크 내에서 온톨로지 정렬 및 추론을 위한 그래프 신경망(GNN)을 통합합니다. 실험 환경은 NER과 RE 작업에서 BERT 측면의 전체 성능을 비교하는 것이었으며, GNN 요소는 구축된 학습 그래프 위의 링크 예측과 노드 클래스에서 분석되었습니다.

NER 과제와 RE 과제의 F1 점수는 표 3에 보고되어 있습니다. 데이터 유출을 방지하기 위해, 모든 수치는 보류된 테스트 분열에서의 성능에만 해당되며, 이는 70:15:15 파티션을 사용해 훈련 및 검증 데이터와 엄격히 나누어졌습니다. 보유된 테스트 세트에서 제안된 BERT–GNN 아키텍처가 RE와 NER 작업에서 가장 우수한 성능을 보였습니.......

Discussion

본 연구는 BERT를 이용한 맥락적 의미 추출과 GNN을 통한 관계 추론 및 온톨로지 정렬을 통합한 통합 기업 KM 프레임워크를 제시합니다. 이별적인 비즈니스 데이터 소스 간 엔터티 링크, 문서 간 추론, 일관된 지식 표현을 가능하게 하기 위해, 주요 기여는 단일 파이프라인 내에서 구조화된 온톨로지 인지 추론과 딥 컨텍스트 언어 모델링의 통합입니다 ^3,4. 확장성과 모호성이 문제인 규칙 기반 시스템, 평탄한 출력을 내는 트랜스포머 전용 모델, 사전 구조화된 데이터에 의존하는 그래프 전용 기법 등 현재 방법의 한계를 해결함으로써 제안된 프레임워크는 과학을 향상시킵니다. 이 접근법은 BERT 기반 추출과 GNN 추론 ^5,6을 융합하여 일관된 온톨로지 정렬, 조직화된.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
BERT-Base (비케이스) 사전 학습 모델	구글 AI	해당 없음	트랜스포머 기반 사전 학습 언어 모델 (bert-base-uncased 변형)
딥 그래프 라이브러리 (DGL)	AWS 랩스	리드: SCR_017054	그래프 신경망 모델링에 사용되는 버전 2.1
Matplotlib 시각화 라이브러리	파이데이터 커뮤니티	리드: SCR_008624	성능 그래프 및 시각적 분석에 사용됩니다
NetworkX 그래프 라이브러리	PyPI 커뮤니티	리드: SCR_005317	그래프 구성 및 분석에 사용되는 버전 3.2
NumPy 수치 컴퓨팅 라이브러리	파이데이터 커뮤니티	리드: SCR_008633	수치 연산 및 배열 처리에 사용됩니다
NVIDIA GPU (테슬라 T4 / RTX 3080)	엔비디아 코퍼레이션	리드: SCR_016409	모델 학습을 위한 CUDA 지원 하드웨어 가속기
판다스 데이터 분석 라이브러리	파이데이터 커뮤니티	리드: SCR_018214	구조화된 데이터 조작에 사용됨
파이썬 프로그래밍 언어	파이썬 소프트웨어 재단	리드: SCR_008394	모델 개발 및 데이터 처리에 사용되는 버전 3.10
PyTorch 딥러닝 프레임워크	메타 AI	리드: SCR_018536	신경망 구현에 사용되는 버전 2.0
Scikit-learn 머신러닝 라이브러리	Scikit-learn 개발자들	리드: SCR_002577	버전 1.5는 전처리 및 평가 지표에 사용됨
트랜스포머 NLP 라이브러리	포옹하는 얼굴	리드: SCR_020989	사전 학습된 트랜스포머 모델에 사용되는 버전 4.40
우분투 리눅스 운영 체제	캐노니컬 주식회사	리드: SCR_018317	버전 20.04 LTS 런타임 환경