규제 준수 자동 감지: 도메인 간 데이터 선택 및 증강 전략

요약

법률 텍스트의 복잡성과 가변성 때문에 규제 준수(compliance) 자동 감지는 어려운 과제입니다. 기존 모델이 한 규제에서 학습한 지식을 다른 규제에 적용하는 데 어려움을 겪는 '도메인 간 전이(cross-domain transfer)' 문제가 핵심입니다. 본 연구는 이 문제를 해결하기 위해 데이터 선택(data selection) 전략을 제안합니다. 특히, 대규모 소스 도메인에서 증강 데이터를 추출할 때 무작위 샘플링, Cross-Entropy 차이 기반 방법, 중요도 가중치 부여(importance weighting), 임베

핵심 포인트

• 규제 준수 감지는 복잡한 법률 텍스트로 인해 모델의 일반화가 어렵고, 도메인 간 전이가 필수적입니다.
• 연구는 데이터 선택을 통해 부정적 전이(negative transfer)를 완화하는 방법을 탐구하며, 이를 자연어 추론 (NLI) 작업으로 구성했습니다.
• 네 가지 데이터 선택 접근 방식(무작위 샘플링, Cross-Entropy 차이, 중요도 가중치, 임베딩 기반 검색)을 체계적으로 비교 평가했습니다.
• 결과적으로 목표 지향적인 데이터 선택은 부정적 전이를 크게 줄여, 이질적인 규제에 걸친 확장 가능하고 신뢰할 수 있는 준수 자동화의 실용적인 경로를 제시합니다.