DEVOCEAN

안녕하세요, 여러분! 오늘은 우리 팀이 진행하는 연구 프로젝트에 대해 소개해드리려고 합니다.

이번 연구는 지식 그래프를 이용하여 한국과 미국의 항공 기술 연구를 비교 분석하는 것입니다.

주제 선정

지식 그래프를 이용한 한국과 미국의 항공 기술 연구 비교 분석

1. 연구 목적

우선, 연구의 기본 목적은 항공 선진국인 미국의 주요 이벤트 및 기술 혁신이 대한민국의 항공 연구 및 기술 발전에 미친 영향을 분석하는 것입니다. 더 구체적으로는 다음과 같은 세부 목적을 가지고 있습니다:

• 미국의 주요 항공 기술 이벤트 및 혁신이 한국의 항공 연구에 어떻게 영향을 미쳤는지 분석

• 한국과 미국의 항공 연구 주제를 비교하여 기술 격차를 평가

• 지식 그래프를 활용하여 연구 주제 간의 연결성 및 발전 경로를 분석

2. 데이터 수집

우리는 한국과 미국의 논문 데이터를 수집합니다. 한국 논문은 KCI와 Google Scholar 등에서, 미국 논문은 Google Scholar, Web of Science, IEEE Xplore 등에서 2010년부터 2024년까지 발행된 항공 관련 논문 데이터를 수집합니다. 또한, 양국의 주요 기술 이벤트 및 혁신 데이터를 수집하여 비교할 예정입니다.

3. 데이터 전처리

수집된 데이터를 통합하고 정제하는 작업을 합니다. 중복 데이터를 제거하고 형식을 통일하며, 불완전한 데이터를 보완합니다. 이후 논문 제목, 초록, 키워드에서 주요 정보를 추출하고 필요시 자동 번역 도구를 활용해 언어 차이를 통일합니다.

4. 지식 그래프 구축

지식 그래프는 연구 주제, 기술 혁신, 주요 이벤트, 기관 및 연구자를 노드로 정의하고, 노드 간의 인용, 협력, 연관성을 에지로 정의합니다. 텍스트 분석 및 네트워크 분석 기법을 활용하여 논문 간의 인용 관계, 키워드 간의 공출현 관계를 통해 지식 그래프를 생성합니다. 또한, 기술 이벤트 및 혁신과 연구 주제 간의 관계를 추가하여 지식 그래프를 보강합니다.

우리는 LLM(대형 언어 모델)을 사용해서 중요한 정보를 추출하고 있어요. 먼저, 텍스트에서 녹색 글씨로 표시된 주요 엔티티들을 뽑아내는 작업을 합니다. 이렇게 하면 각 엔티티를 명확하게 식별하고 분류할 수 있죠.

그다음에는, 추출된 엔티티들 간의 연결 관계를 연도별로 분석합니다. 이 과정을 통해 엔티티들이 시간에 따라 어떻게 연결되고 변화해왔는지를 시각화할 수 있어요. 결과적으로, 우리는 시드 그래프(seed graph)를 구성하게 됩니다. 이 그래프는 우리가 분석하고자 하는 데이터의 기본 구조를 보여줍니다.

프롬프트를 잘 구성하면, LLM이 효율적으로 엔티티를 추출할 수 있기 때문에, 정확하고 유용한 정보를 얻을 수 있답니다.

하지만, LLM을 통해 완벽한 트리플 구조를 만드는 것과 쿼리를 생성하는 데에는 차이가 있습니다. 먼저 엔티티를 추출한 후, 추가적으로 엔티티 간의 관계를 추출하려고 시도합니다. 만약 참고할 만한 관계가 도출되면, 이를 모델에 추가하여 반영합니다. 적절한 관계가 추출되지 않는 경우에는, 이미 정의된 모델에 따라 관계를 새로 만들어내는 방식을 사용합니다.

이 과정을 통해 엔티티들이 시간에 따라 어떻게 연결되고 변화해왔는지를 시각화할 수 있습니다. 결과적으로 우리는 시드 그래프(seed graph)를 구성하게 되며, 이는 데이터의 기본 구조를 보여줍니다.

이와 같은 방식으로 우리는 데이터를 체계적으로 처리하고, 정확한 분석을 통해 프로젝트를 진행하고 있습니다. 앞으로도 더 많은 유익한 정보를 여러분과 공유할 수 있기를 기대합니다!