대표어
https://www.si.re.kr/bbs/view.do?pstSn=2608190007&key=2024100039
권호기사보기
| 기사명 | 저자명 | 페이지 | 원문 | 기사목차 |
|---|
국회도서관 홈으로
정보검색
소장정보 검색
결과 내 검색
동의어 포함
-
-
목차보기
표제지 1
목차 7
요약 4
01. 연구 개요 12
1. 연구 배경 및 목적 13
1) 연구 배경 13
2) 연구 목적 14
2. 연구 내용 및 방법 15
02. 서울시 응답소시스템 민원처리 현황 및 환경 분석 17
1. 국내외 선행연구 분석 18
1) AI 기반 민원처리 연구 동향 18
2) 주제별 AI 기술 적용 연구 동향 22
2. 서울시 응답소시스템 민원처리 현황 분석 27
3. 현황 시스템의 한계 및 시사점 34
1) 현행 시스템의 구조적 한계 34
2) 시사점: 사람 중심 처리에서 AI 보조 기반 지능형 민원처리로 35
03. 응답소 민원처리 효율성 향상을 위한 생성형 AI 기술 적용방안 37
1. 응답소시스템 민원 데이터 구조 및 활용성 분석 38
1) 응답소시스템 민원 데이터 구조 38
2) 민원처리 기능별 데이터 활용성 40
3) AI 기술 실증을 위한 데이터 선별 기준 41
2. 민원처리 단계별 생성형 AI 기술 적용방안 42
1) 접수 단계: 악성 민원 탐지 및 순화를 위한 AI 적용 42
2) 요약 단계: 장문ㆍ서신 민원 요약 및 핵심 파악을 위한 AI 적용 44
3) 분류 단계: 처리부서 분류 추천을 위한 AI 적용 46
4) 응답 단계: 유사민원 검색 및 답변 초안 생성을 위한 AI 적용 48
04. 응답소 민원처리 단계별 생성형 AI 기술 적용 결과 고도화 전략 50
1. 접수 및 요약 단계의 기술 검증 기반 고도화 방안 51
1) 접수 단계의 AI 기술 검증 기반 고도화 방안 52
2) 요약 단계의 AI 기술 검증 기반 고도화 방안 60
2. 분류 및 응답 단계의 기술 검증 기반 고도화 방안 82
1) 분류 단계의 AI 기술 검증 기반 고도화 방안 82
2) 응답 단계의 AI 기술 검증 기반 고도화 방안 96
3) 특이민원 유형과 응답 단계 AI 고도화의 연계 104
05. 결론 107
1. 주요 결과 108
1) 연구결과 요약 108
2) 기대효과 113
2. 정책 제언 115
1) 단기 과제: 저위험ㆍ고효율 영역 중심의 보조 체계 도입 115
2) 중기 과제: 품질 게이트와 선별 적용을 전제로 한 조건부 자동화 116
3) 장기 과제: 특이민원 대응과 제도적 확산 기반 마련 117
참고문헌 118
Abstract 120
판권기 122
[그림 1-1] 서울시 응답소 민원 건수 추이 13
[그림 1-2] 생성형 AI 기반 민원처리 단계별 분석 및 고도화 절차 개요 15
[그림 2-1] 화성 소통봇 화면 예시 19
[그림 2-2] 기존 정보공개 내역 분석 예시 20
[그림 2-3] 지능형 국민소통플랫폼 구축 개요 20
[그림 2-4] Ali 시스템 구조 21
[그림 2-5] 기존 LLM과 MetaTox 비교 예시 23
[그림 2-6] LLM 및 RAG 개인화 프레임워크 24
[그림 2-7] 제안된 민원 분류 방법 25
[그림 2-8] 민원 접수 채널 및 민원 종류 소개 27
[그림 2-9] 서울시 민원 접수 채널별 민원 분류 및 관리 체계 28
[그림 2-10] 연월별 민원 접수 건수 추이 29
[그림 2-11] 재지정 횟수별 민원 발생 현황 30
[그림 2-12] 민원 내용 길이 분포 히스토그램(1000자 이하 구간) 31
[그림 2-13] 민원 내용 길이 분포 히스토그램(전체 구간) 31
[그림 2-14] 서신 민원 예시 32
[그림 2-15] 현행 서울시 응답소 민원처리 시스템의 주요 한계 35
[그림 3-1] 악성 문구 탐지 및 순화 표현 제시를 위한 AI 기술 적용(안) 42
[그림 3-2] 민원 내용 요약 및 핵심 파악을 위한 AI 기술 적용(안) 44
[그림 3-3] 서신 민원 내용 요약 및 핵심 파악을 위한 OCR + AI 기술 적용(안) 44
[그림 3-4] 서신 민원 내용 요약 및 핵심 파악을 위한 멀티모달 AI 기술 적용(안) 44
[그림 3-5] 서신 민원 스캔 파일에서 텍스트 추출 정답지 구성 예시 46
[그림 3-6] 처리부서 분류 추천을 위한 AI 기술 적용(안) 47
[그림 3-7] 유사 민원 검색 및 답변 초안 생성을 위한 AI 기술 적용(안) 49
[그림 4-1] 학습 데이터셋의 악성유무 × 길이구간 분포 52
[그림 4-2] Llama-3.1-8B-Instruct의 악성 민원 탐지ㆍ순화 모델 학습 곡선 53
[그림 4-3] Mistral-Nemo-Instruct-2407의 악성 민원 탐지ㆍ순화 모델 학습 곡선 53
[그림 4-4] Gemma-3-12B-it의 악성 민원 탐지ㆍ순화 모델 학습 곡선 54
[그림 4-5] Claude 기반 자동평가 결과: 모델별 악성 탐지 평균 품질 점수 비교 54
[그림 4-6] Claude 기반 자동평가 결과: 모델별 악성 탐지 점수 분포 및 CDF 55
[그림 4-7] 악성 민원 탐지ㆍ순화 모델 적용 사례 예시 56
[그림 4-8] 악성 민원 탐지ㆍ순화 모델 자동평가-수동평가 점수 비교 결과 57
[그림 4-9] 학습 데이터셋의 길이구간 분포 60
[그림 4-10] Llama-3.1-8B-Instruct의 요약ㆍ근거제시 학습 곡선 61
[그림 4-11] Mistral-Nemo-Instruct-2407의 요약ㆍ근거제시 학습 곡선 61
[그림 4-12] Gemma-3-12B-it의 요약ㆍ근거제시 학습 곡선 62
[그림 4-13] Claude 기반 자동평가 결과: 모델별 요약 평균 품질 점수 비교 62
[그림 4-14] Claude 기반 자동평가 결과: 모델별 요약 점수 분포 및 CDF 63
[그림 4-15] 텍스트 민원 요약 결과의 정성평가 사례 예시 65
[그림 4-16] 텍스트 민원 요약 정성평가 결과: 자동평가-수동평가 평균점수 비교 65
[그림 4-17] EasyOCR 프레임워크 구조 67
[그림 4-18] PaddleOCR PP-Structure 기반 문서 인식 파이프라인 67
[그림 4-19] 텍스트 중심 서신 민원에 대한 OCR 모델별 문자 오류율(CER) 비교 69
[그림 4-20] 텍스트 중심 서신 민원 OCR 결과 비교 예시(모델별 출력 사례) 69
[그림 4-21] 손글씨 서신 민원에 대한 OCR 모델별 문자 오류율(CER) 비교 70
[그림 4-22] 손글씨 서신 민원 OCR 결과 비교 예시(모델별 출력 사례) 71
[그림 4-23] 표 내부 텍스트 서신 민원에 대한 OCR 모델별 문자 오류율(CER) 비교 71
[그림 4-24] 표 내부 텍스트 서신 민원 OCR 결과 비교 예시(모델별 출력 사례) 72
[그림 4-25] 이미지 내부 텍스트 서신 민원에 대한 OCR 모델별 문자 오류율(CER) 비교 72
[그림 4-26] 이미지 내부 텍스트 서신 민원 OCR 결과 비교 예시(모델별 출력 사례) 73
[그림 4-27] Qwen3 모델 구조 74
[그림 4-28] 요약 프롬프트 예시 75
[그림 4-29] 텍스트 중심 서신 민원에 대한 요약 방식별 결과 비교 76
[그림 4-30] 손글씨 서신 민원에 대한 요약 방식별 결과 비교 77
[그림 4-31] 표와 이미지 포함 서신 민원에 대한 요약 방식별 결과 비교 78
[그림 4-32] 평가 데이터셋의 정답 처리부서 개수 집계 결과 83
[그림 4-33] 담당업무 임베딩 시 가중치 반영 방식 83
[그림 4-34] 가중치 조합별 처리부서 추천 성능 비교 84
[그림 4-35] 임베딩 모델 및 백엔드 조합별 hit@10 성능 비교 85
[그림 4-36] 임베딩 모델 및 백엔드 조합별 hit@30 성능 비교 86
[그림 4-37] Top-K 증가에 따른 hit_raw@K 및 hit_sum@K 변화(FAISS + bge_m3) 86
[그림 4-38] K_dense에 따른 hit@10 성능 비교 87
[그림 4-39] K_dense에 따른 평균 정답순위(avg_rank) 변화 87
[그림 4-40] K_dense 증가에 따른 Cross Encoder per-query 지연시간 변화 88
[그림 4-41] K_dense=50에서 Dense vs CE 성능 비교(hit@K, 요약문 기준) 89
[그림 4-42] K_dense=100에서 Dense vs CE 성능 비교(hit@K, 요약문 기준) 89
[그림 4-43] K_dense 증가에 따른 평균 정답순위 및 CE 지연시간 비교(요약 기준) 89
[그림 4-44] 처리부서 분류 추천 정성평가 화면 예시 90
[그림 4-45] 처리부서 분류 추천 정성평가 결과: 평가 항목별 평균점수 91
[그림 4-46] 표준 답변 템플릿 예시 97
[그림 4-47] 일반민원 사례에서의 RAG 근거 활용 및 초안 생성 결과 예시 98
[그림 4-48] 반복민원 사례에서의 동일이슈 판별 및 종결형 초안 생성 결과 100
[그림 4-49] 반복민원 판정 기준과 템플릿ㆍ이력 참조 기준 불일치로 인한 종결 처리 오류 사례 101
MARC 보기
오류 데이터 정정요청
*표시는 필수 입력사항입니다.
알림톡 발송
| 전화번호 |
|---|
개인정보 수정 바로가기
연속간행물 권호 선택
우편복사 안내
- ◾ 도서관을 방문하지 못할 경우 인터넷, 팩스 등으로 자료 복사를 신청하고, 복사물을 우편·팩스 등으로 제공받는 서비스
- ◾ 대상자료: 일반도서, 연속간행물 및 학위논문
- ※ 고서, 고잡지, 훼손될 우려가 있는 자료, 마이크로폼 자료 및 신문 등 제외
- ◾ 신청 책수: 1인 5책 이하(1일 기준)
- ◾ 신청 절차: 자료 검색 → 우편복사 목록담기 → 복사 범위 입력 → 우편복사 주문서 입력 → 접수 및 확인
- ※ 저작권법에 의거하여 부분 복사(전체 페이지 수의 1/3 범위 이내)만 가능
- ◾ 복사 범위 입력 예시: (연속 페이지) 1-30, (부분 페이지) 25, 30-40
| 번호 | 발행일자 | 권호명 | 제본정보 | 자료실 | 원문 | 신청 페이지 |
|---|
도서위치안내(서울관)
도서위치안내: / 서가번호:
0
확인
우편복사 목록담기를 완료하였습니다.
내서재에 담기
새로운 서재
*표시는 필수 입력사항입니다.
저장
저장 되었습니다.