핵심 개념
제조 서비스 지식 그래프(MSKG)와 ChatGPT의 통합을 통해 잠재 고객이 소규모 제조업체를 보다 효과적으로 식별하고 발견할 수 있도록 지원한다.
초록
이 연구는 제조 서비스 발견 프로세스를 간소화하기 위해 지식 그래프(KG)와 ChatGPT를 결합하는 방법을 제안한다.
주요 내용은 다음과 같다:
구조화된 데이터와 비구조화된 데이터 소스를 활용하여 제조 서비스 지식 그래프(MSKG)를 구축하는 방법을 제시한다. 이를 통해 제조 서비스 정보를 보다 체계적으로 구성하고 ChatGPT의 질의 응답 기능을 향상시킨다.
제조업체 웹사이트에서 수집한 텍스트 데이터를 활용하여 서비스, 인증, 위치 정보 등을 추출하고 MSKG에 통합하는 과정을 설명한다. 이 과정에서 키워드 매칭과 BART 기반 텍스트 분류를 결합하여 정확도와 신뢰성을 높인다.
MSKG의 노드 임베딩 벡터를 활용하여 제조업체 추천 및 다중 레이블 분류 작업을 수행하고, 이를 통해 제조 서비스 식별 및 추천 기능을 강화한다.
MSKG와 ChatGPT의 통합을 통해 제조 서비스 발견 관련 복잡한 질문에 대한 응답 정확도와 해석 가능성을 높인다. 그래프 쿼리 기반 질문과 그래프 임베딩 기반 질문을 모두 처리할 수 있는 지식 기반 질의 응답 시스템을 구축한다.
통계
총 13,240개의 엔티티와 58,521개의 관계로 구성된 제조 서비스 지식 그래프가 구축되었다.
제조업체 추천 성능 평가 결과, Node2Vec 기반 모델은 P@10에서 70%, P@100에서 71%, P@300에서 79%의 정확도를 보였다.
GraphSAGE 기반 모델은 P@10에서 90%, P@100에서 82%, P@300에서 81%의 정확도를 보였다.
인용구
"제조 서비스 발견을 위한 효과적인 검색과 발견은 제조업체들이 전 세계적인 팬데믹 상황에 직면한 과제에 대처하는 데 도움이 될 수 있다."
"지식 그래프와 대규모 언어 모델의 통합은 제조 서비스 발견을 위한 질의 응답 시스템의 정확성과 신뢰성을 높일 수 있다."