Using Artificial Intuition in Distinct, Minimalist Classification of Scientific Abstracts for Management of Technology Portfolios
Created by
Haebom
저자
Prateek Ranka, Fred Morstatter, Alexandra Graddy-Reed, Andrea Belz
개요
본 논문은 과학적 초록 분류의 자동화가 어려운 점을 지적하며, 기존의 메타데이터 활용 방식의 한계(스파스한 텍스트, 레이블 중복)를 극복하기 위해 '인공 직관'이라는 과정을 제시한다. 이는 대규모 언어 모델(LLM)을 이용하여 메타데이터를 생성하고, 미국 국립과학재단(NSF)의 공개 초록을 이용해 레이블을 생성한 후, 중국 국가자연과학재단(NSFC) 초록에 적용하여 연구 자금 조달 동향을 분석하는 방식이다. 결과적으로 연구 포트폴리오 관리, 기술 발굴 등 전략적 활동에 대한 본 방법의 실현 가능성을 보여준다.
시사점, 한계점
•
시사점:
◦
LLM을 활용한 '인공 직관'이 과학적 초록 분류의 자동화에 새로운 가능성을 제시한다.
◦
NSF와 NSFC 초록 분석을 통한 연구 자금 조달 동향 분석에 활용 가능성을 보여준다.
◦
연구 포트폴리오 관리, 기술 발굴 등 전략적 활동에 기여할 수 있다.
•
한계점:
◦
LLM을 이용한 메타데이터 생성의 정확도 및 신뢰성에 대한 추가적인 검증이 필요하다.
◦
NSF와 NSFC 데이터에 국한된 결과이므로 다른 데이터셋으로의 일반화 가능성을 검증해야 한다.
