본 논문은 대규모 언어 모델(LLM)을 활용하여 베이지안 네트워크(BN)를 구축하는 가능성을 평가한다. LLM이 사실적 지식 베이스로서 잠재력을 보여주었지만, 실제 사건에 대한 확률적 지식을 생성하는 능력은 아직 충분히 연구되지 않았다. 본 연구는 LLM에 내재된 확률적 지식을 활용하여 BN 내 사건 및 그 관계에 대한 진술의 확률 추정치를 도출하는 방법을 탐구한다. LLM을 활용하면 BN의 매개변수화가 가능해져 특정 도메인 내에서 확률적 모델링이 가능해진다. 헬스케어부터 금융까지 80개의 공개적으로 이용 가능한 BN에 대한 실험을 통해, 사건의 조건부 확률에 대해 LLM을 질의하는 것이 랜덤 및 균일 분포, 다음 토큰 생성 확률 기반 접근 방식을 포함한 기준선과 비교했을 때 의미 있는 결과를 제공함을 보여준다. 특히 데이터가 부족할 때 LLM에서 추출한 분포가 데이터에서 추출된 분포를 개선하는 전문가 사전 정보로 어떻게 활용될 수 있는지 탐구한다. 전반적으로 이 연구는 LLM에서 추출한 확률적 지식과 실제 데이터를 결합하여 베이지안 네트워크를 자동으로 구성하는 유망한 전략을 제시한다. 또한 LLM의 확률적 지식 추출 성능을 평가하기 위한 첫 번째 종합적인 기준선을 확립한다.
