SC-Taxo: 의미 일관성 제약 하에 대형 언어 모델을 활용한 계층적 분류 체계 생성

요약

과학 지식의 폭발적인 증가로 인해 효율적인 분류 체계 구축이 중요해졌으나, 기존 방법들은 계층적 의미 일관성 부족 문제를 겪었습니다. 본 논문은 대형 언어 모델(LLMs)을 활용하여 'SC-Taxo' 프레임워크를 제안합니다. SC-Taxo는 하향식 추상화와 상향식 의미 제약을 결합하고 동료 수준의 의미 의존성을 포착함으로써, 구조적이고 의미적으로 일관된 계층적 분류 체계를 생성하는 것을 목표로 합니다.

핵심 포인트

• 과학 문헌 증가에 따른 효율적인 지식 조직 및 접근의 필요성 증대.
• 기존 분류 체계는 계층 간 구조적 불일치와 의미적 오정합 문제를 겪음.
• SC-Taxo 프레임워크는 LLMs를 활용하여 '계층적 의미 일관성'을 보장함.
• 양방향 제목 생성 기제(하향식 추상화 + 상향식 제약)와 동료 수준 의존성 포착을 통해 분류 체계를 개선함.
• 다양한 벤치마크 및 교차 언어적 평가를 통해 높은 일반화 능력과 성능을 입증함.