Earticle

초록

한국어

[blank line] 의약학 분야에서는 동물실험 기반 논문으로부터 약물명, 투여 경로, 반응성 및 독성 정보를 추출하여 데이터베이스화하는 작업이 신약개발 연구에 중요한 기반으로 활용된다. 최근 대규모 언어모델(LLM)의 발전으로 자연어 기반 정보 추출이 가능해졌으나, 환각(hallucination) 현상으로 인해 정보의 신뢰성이 저하되는 문제가 제기되고 있다. 이를 해결하기 위해 본 연구에서는 도메인 지식 데이터베이스를 검색 기반으로 활용하는 Retrieval-Augmented Generation(RAG) 파이프라인을 구축하고, 단순 LLM 기반 정보 추출 방식과 성능을 비교하였다. 특히 본 연구는 Human GT, LLM GT 교집합 및 FDA Orange Book 필터링을 결합한 3중 검증 GT 구축 방법론을 제안하고, 이를 기반으로 RAG와 단순 LLM 방식의 성능을 비교 평가하였다. 실험 결과, 단순 약물명 추출 태스크에서는 단순 LLM 방식(0.74)이 RAG 방식(0.70)보다 소폭 높은 성능을 보였으며, 섹션 기반 Semantic Chunking 적용 시 RAG 정확도가 0.73으로 향상됨을 확인하였다. 본 연구는 신뢰도 높은 GT 구축 방법론과 태스크 특성에 따른 RAG 효용성 분석을 통해 의약학 도메인 정보 추출 연구에 방법론적 기반을 제공한다.

목차

Abstract
서론
관련연구
2.1 Retrieval-Augmented Generation (RAG)
2.2 의약학 문헌 기반 정보 추출 및 GT 구축
연구방법
3.1 전체 연구 흐름
3.2 데이터 수집 및 GT 구축
3.3 실험 모델 및 환경
3.4 RAG 파이프라인
3.5 단순 LLM 파이프라인 (비교군)
연구방법
4.1 평가 지표
4.2 청킹 전략 비교
4.3 성능 결과
논의
5.1 이론적 시사점
5.2 실무적 시사점
5.3 향후 연구 및 한계
결론
References

키워드

저자

• 이서희 [ 충북대학교 빅데이터협동과정 ]
• 이준영 [ 충북대학교 경영정보학과 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국경영정보학회 정기 학술대회 [KMIS Conference]

• 간기

  반년간

• 수록기간

  1990~2026

• 십진분류

  KDC 325 DDC 658