본 논문은 머신러닝(ML), 설명 가능한 AI(XAI), 자연어 처리(NLP)를 통합하여 고차원 시계열 데이터에서 실행 가능한 관계 발견을 가속화하는 새로운 프레임워크를 제시합니다. 기존 방법들은 복잡한 시계열 관계를 인식하지 못해 노이즈가 많고, 중복되거나 편향된 데이터셋을 생성하는 경우가 많습니다. 본 연구의 접근 방식은 ML 기반 가지치기를 통해 저품질 샘플을 식별하고 완화하고, XAI 기반 해석성을 통해 중요한 특징 상호작용을 검증하며, NLP를 사용하여 향후 상황 검증을 수행하여 실행 가능한 통찰력을 발견하는 데 필요한 시간을 40~60% 단축합니다. 실제 농업 데이터셋과 합성 데이터셋을 사용한 평가 결과, 본 프레임워크는 성능 지표(예: MSE, R2, MAE)와 계산 효율성을 크게 향상시키고 다양한 플랫폼에서 하드웨어와 무관하게 확장성을 제공합니다. 장기적인 실제 영향(예: 비용 절감, 지속 가능성 향상)은 아직 미정이지만, 이 방법론은 농업 및 에너지와 같은 역동적인 분야에서 데이터 중심 AI를 가속화하고 도메인 전문가의 반복 주기를 단축하는 즉각적인 경로를 제공합니다.
