머신러닝 알고리즘을 이용한 표준문서의 ICS 코드 자동분류(ICAC)

Abstract

4차 산업혁명 이후, 표준의 범위가 확대되어 가고 있다. 새로운 용어나 유사한 용어들이 표준의 제목에 사용됨에 따라, 표준문서의 분류 및 검색이 복잡해지고 있다. 현재, 표준문서들의 효율적인 검색 및 관리를 위해 국제표준화기구인 ISO에서 운영하는 국제표준분류체계(ICS) 코드가 있으나, 아직도 ISO와 IEC를 제외한 다른 표준 개발 기구들이 ICS 코드체계를 채택하지 않은 설정이다. 더욱이 ICS 코드가 필요에 따라 새로이 수정되면, 이에 따라 ICS코드를 할당받은 기존 표준들도 새로이 ICS 코드를 재할당 받아야 한다. 그러므로 수정되는 ICS 코드 체계에 따라 자동적으로 표준문서를 분류할 수 있는 시스템이 필요한 실정이다. 본 연구는 이러한 표준 문서 분류 시스템을 구축하기 위하여 연구단계를 두 단계로 나누었다. 첫 번째 단계로, 현재의 ICS가 있는 표준들을 가지고 ICS 할당 시스템을 만들어 정확도를 검증하는 것이고, 두 번째 단계로, ICS 코드를 채택하지 않은 표준문서들에 ICS 코드를 할당하도록 하는 것이다. 특별히, 본 논문은 위에서 언급한 첫 번째 단계에 해당하는ICS 분류 및 할당 시스템을 머신러닝 알고리즘을 이용한 구조를 제안하고 이를 구현한 것을 보이는 것이다. 최선의 알고리즘을 선택하여 표준문서들의 ICS 코드를 분류하기 위해 잘 알려진 GRU 알고리즘을 비롯한 여러 알고리즘을 가장 최적의 결과를 보이는 파라미터를 사용하여 시험하였다. 결과적으로 머신러닝 알고리즘 보다 단어의 종속성을 학습하여 분류를 진행하는 딥러닝 알고리즘이 높은 성능을 보였으며, 딥러닝 알고리즘 중 GRU 알고리즘이 가장 높은 성능을 보였다.