LLM 파이프라인으로 콘크리트 논문에서 조성·공정·물성 데이터를 자동 추출해 대규모 DB 구축

1/ AI 활용 방법: 대형언어모델(LLM) 기반 문헌 정보 추출 파이프라인
2/ 적용 과제: 콘크리트 및 블렌디드 시멘트 논문에서 조성·공정·물성 속성을 추출해 구조화 데이터베이스 구축
3/ 보고된 결과: 최대 F1 0.98, 1시간 내 약 9,000개 레코드와 100개 이상 속성 추출
4/ 이 연구는 비정형 논문 텍스트에서 콘크리트 및 블렌디드 시멘트 관련 재료 데이터를 자동 추출하고 구조화하는 대형언어모델(LLM) 파이프라인을 개발했다고 보고했다.
5/ 대상 과제는 논문들에서 조성, 공정, 물성 속성을 뽑아 재료정보학용 데이터베이스를 만드는 일이었다.
6/ 보고된 성과로는 최대 F1 0.98, 1시간 내 약 9,000개 레코드 추출, 100개 이상 속성 추출, 그리고 2만7천 편 이상 문헌에서 선별한 코퍼스를 바탕으로 한 대규모 오픈 데이터베이스 구축이 포함된다.
7/ 재료정보학 관점에서 보면, 문헌 마이닝으로 실험 결과를 표준화된 레코드로 바꾸는 전형적 활용 사례이며, 기존 문헌 자산을 데이터셋으로 전환하는 데 직접적 의미가 있다.
8/ 다만 기사에서 제시된 수치는 특정 코퍼스와 과제에 대한 결과이므로, 다른 재료 체계나 다른 문헌 스타일에 그대로 일반화된다고 단정할 수는 없다.
9/ 또한 추출 성능은 평가 기준과 정답 주석 품질에 따라 달라질 수 있다. [1]