본 논문은 라벨링되지 않은 다차원 수치 데이터로부터 정량적인 점수 함수(평가 시스템)를 생성하는 새로운 접근 방식을 제시합니다. 전문가의 도메인 지식과 규칙을 제약 조건으로 활용하여, 기계 학습 모델의 약한 지도(weak supervision)로 활용합니다. 이러한 제약 조건은 손실 함수로 변환되어 점수 함수 학습과 동시에 최적화됩니다. 합성 데이터셋과 네 개의 실제 데이터셋을 사용하여 접근 방식의 효과를 검증하고, 지도 학습 모델과 비교 분석합니다. 핵심은 전문가의 지식을 효과적으로 통합하여 라벨링이 없는 상황에서도 정확한 점수 함수를 학습하는 데 있습니다.
