[논문]기계학습 기술을 활용한 화학분야 특허문서의 조성/물성 정보 자동추출 방법 연구

김홍기; 이하영; 박진우

문제 정의

본 논문에서는 SVM(Support Vector Machine), 나이브 베이즈(Naive Bayes), 로지스틱회귀(Logistic Regression) 알고리즘을 통하여 문서 내 존재하는 테이블의 속성을 예측하여 조성/물성 정보를 추출하는 효과적인 방법을 제안하였다. 제안된 방법은 기계학습을 위한 학습데이터 구축 방법, 학습을 위한 문자열 데이터의 벡터화 방안, 알고리즘 별 학습 정확도 측정, 정확도 개선을 위한 규칙 정의를 포함하고 있다.
하드웨어의 발전으로 컴퓨팅 파워가 커지면서 여러 분야에서 수많은 알고리즘이 개발되고 수없이 많은 데이터를 활용하여 다양한 의미를 찾아내는 연구가 시도되고 있다. 본 논문에서는 고분자 복합수지 관련 특허 문헌 중 도표에 존재하는 조성에 따른 물성정보를 추출하고자 기계학습 알고리즘을 활용하였다. 화학분야 특허 문헌에서 도표는 해당 조성물을 구성하는 실험결과나 물질적 특성을 일목요연하게 나타내기 위해 주로 사용한다.
본 논문에서는 속성을 예측하기 위하여 지도학습 알고리즘에 속한 SVM(Support Vector Machine), 나이브 베이즈(Naive Bayes), 로지스틱회귀(Logistic Regression) 알고리즘을 활용한 연구를 진행한다.

제안 방법

벡터화 된 학습 데이터 40,000개을 학습데이터로 활용하여 각 기계학습 알고리즘과 빈도수에 따른 벡터사이즈(1*2000, 1*4000)으로 학습하였고 테스트 데이터 16,190개의 정답률을 측정하였다. Python에서 제공하는 SklearnClassfier API를 활용하여 각 알고리즘을 구현하였다.
[Fig. 3]에서 폴리카보네이트 및 탄소나노튜브, 유리섬유가 기재되어있는 셀을 조성으로 예측(노란색)하였으며 전기전도도, 인장강도 정보가 기재된 셀을 물성(녹색)으로 예측하였다. 또한 실험정보(붉은색)와 값(파란색) 셀을 정확하게 예측하였음을 확인하였다.
대상으로 선정된 열 및 전기전도도 특성을 가지는 고분자 화합물에 관련된 특허 문서의 도표 정보의 예측결과를 확인하여 예측치를 벗어난 셀에 대하여 규칙기반으로 정의하였다.
기계학습의 학습데이터로 활용하기 위해서 문자열 데이터를 최소한의 의미를 가지는 형태소 단위로 분리하고 수치화된 배열형태로 벡터화하는 작업을 수행한다. 벡터화 과정에서의 학습 효율성을 판단하기 위해 전체 학습데이터에서 빈도수가 높은 형태소를 2,000개와 4,000개를 선정하였으며 각 셀의 내용을 분리된 형태소의 존재 여부(0 또는 1)를 값으로 가지는 배열(1*2000, 1*4000)로 변환하였다. 벡터화 된 전체 정답데이터를 분리하여 40,000개은 학습데이터로 활용하였으며 학습되지 않은 16,190개을 테스트 데이터로 활용하였다.
본 논문에서는 기계학습 관련 기술을 활용하여 도표 데이터의 셀 정보를 학습하고 학습된 결과를 토대로 학습하지 않는 셀에 속성을 부여한다. 이를 위하여 관련 특허 문헌의 도표정보를 추출하고 학습데이터를 구축하여 기계학습 알고리즘으로 학습한다.
본 논문에서는 기계학습 관련 기술을 활용하여 도표 데이터의 셀 정보를 학습하고 학습된 결과를 토대로 학습하지 않는 셀에 속성을 부여한다. 이를 위하여 관련 특허 문헌의 도표정보를 추출하고 학습데이터를 구축하여 기계학습 알고리즘으로 학습한다. 학습이 완료된 모델에 대하여 테스트를 수행하여 학습에 따른 예측 정확도를 측정한다.
속성은 도표를 구성하고 있는 텍스트 데이터가 가진 의미를 말하며 관련지식이 있는 사람은 도표를 보면 바로 이해할 수 있으나 기계는 이해할 수 없다는 한계가 있다. 이를 해결하기 위하여 테이블에 존재하는 모든 셀에 대해 속성이 가지는 의미를 부여하고, 부여된 속성 기준으로 기계학습을 통해 도표정보를 자동추출하는 방법을 제안한다.
4]에서 “성형 불가능” 의 정보가 기재된 셀은 열전도성 및 인장강도에 대한 값 정보임을 육안으로 확인할 수 있으나 모델예측 결과 물성 속성으로 예측하였다. 이와 같은 오류 건에 대하여 규칙을 추가하여 정확도를 개선하였다.
본 논문에서는 SVM(Support Vector Machine), 나이브 베이즈(Naive Bayes), 로지스틱회귀(Logistic Regression) 알고리즘을 통하여 문서 내 존재하는 테이블의 속성을 예측하여 조성/물성 정보를 추출하는 효과적인 방법을 제안하였다. 제안된 방법은 기계학습을 위한 학습데이터 구축 방법, 학습을 위한 문자열 데이터의 벡터화 방안, 알고리즘 별 학습 정확도 측정, 정확도 개선을 위한 규칙 정의를 포함하고 있다. 결론적으로 테이블에 존재하는 셀의 속성을 최고 98.
학습이 완료된 모델에 대하여 테스트를 수행하여 학습에 따른 예측 정확도를 측정한다. 측정결과에 따라 가장 정확도가 높은 알고리즘을 선정하고 선정된 알고리즘을 기반으로 도표데이터에 속성을 예측하고 조성/물성에 의한 실험정보를 추출한다.
17%로 가장 높은 정확도를 보이고 있음을 확인하였으며 이는 기존에 학습되지 않은 10*10을 형태(100셀)를 가지는 도표데이터에서 2개 미만의 셀을 제외하고 정확하게 분류할 수 있는 수준이다. 학습된 모델을 활용하여 [Fig. 1]의 예시 데이터에 대하여 개별속성정보를 예측하였으며 예측된 속성을 반영하여 웹페이지로 재구성하였다.
이를 위하여 관련 특허 문헌의 도표정보를 추출하고 학습데이터를 구축하여 기계학습 알고리즘으로 학습한다. 학습이 완료된 모델에 대하여 테스트를 수행하여 학습에 따른 예측 정확도를 측정한다. 측정결과에 따라 가장 정확도가 높은 알고리즘을 선정하고 선정된 알고리즘을 기반으로 도표데이터에 속성을 예측하고 조성/물성에 의한 실험정보를 추출한다.

대상 데이터

벡터화 과정에서의 학습 효율성을 판단하기 위해 전체 학습데이터에서 빈도수가 높은 형태소를 2,000개와 4,000개를 선정하였으며 각 셀의 내용을 분리된 형태소의 존재 여부(0 또는 1)를 값으로 가지는 배열(1*2000, 1*4000)로 변환하였다. 벡터화 된 전체 정답데이터를 분리하여 40,000개은 학습데이터로 활용하였으며 학습되지 않은 16,190개을 테스트 데이터로 활용하였다.
벡터화 된 학습 데이터 40,000개을 학습데이터로 활용하여 각 기계학습 알고리즘과 빈도수에 따른 벡터사이즈(1*2000, 1*4000)으로 학습하였고 테스트 데이터 16,190개의 정답률을 측정하였다. Python에서 제공하는 SklearnClassfier API를 활용하여 각 알고리즘을 구현하였다.
열 및 전기전도도 특성을 가지는 고분자 화합물에 관련된 특허 문서 280건의 도표 정보 내에서 수작업으로 추출한 셀 항목을 정된 속성(조성, 물성, 실험번호, 수치)으로 Labeling하여 정답 데이터 56,190개을 CSV형태의 파일로 구축하였다.

성능/효과

제안된 방법은 기계학습을 위한 학습데이터 구축 방법, 학습을 위한 문자열 데이터의 벡터화 방안, 알고리즘 별 학습 정확도 측정, 정확도 개선을 위한 규칙 정의를 포함하고 있다. 결론적으로 테이블에 존재하는 셀의 속성을 최고 98.17%의 높은 수준으로 예측하였다. 향후 연구에서는 추가적인 학습데이터 확보하고 알고리즘에 대한 개선을 통하여 예측정확도를 개선할 예정이다.
3]에서 폴리카보네이트 및 탄소나노튜브, 유리섬유가 기재되어있는 셀을 조성으로 예측(노란색)하였으며 전기전도도, 인장강도 정보가 기재된 셀을 물성(녹색)으로 예측하였다. 또한 실험정보(붉은색)와 값(파란색) 셀을 정확하게 예측하였음을 확인하였다.
측정결과 SVM(Support Vector Machine) 알고리즘에 해당하는 LinearSVC 알고리즘으로 1*4000형태로 벡터화 데이터를 학습하였을 때 98.17%로 가장 높은 정확도를 보이고 있음을 확인하였으며 이는 기존에 학습되지 않은 10*10을 형태(100셀)를 가지는 도표데이터에서 2개 미만의 셀을 제외하고 정확하게 분류할 수 있는 수준이다. 학습된 모델을 활용하여 [Fig.

후속연구

17%의 높은 수준으로 예측하였다. 향후 연구에서는 추가적인 학습데이터 확보하고 알고리즘에 대한 개선을 통하여 예측정확도를 개선할 예정이다. 기계학습에 대한 연구는 특정 업무 영역에서 기존사람의 육안으로 규칙을 발견하고 정의하여 구현하는 방식을 벗어나 데이터를 학습하고 학습한 결과를 토대로 예측하는 부분에서 높은 가능성을 보이고 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

기계학습 기술을 활용한 화학분야 특허문서의 조성/물성 정보 자동추출 방법 연구
A Study on the Automatic Extraction of Fomulation and Properties in Chemical Field Patent Document by Using Machine Learning Technology 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

기계학습 기술을 활용한 화학분야 특허문서의 조성/물성 정보 자동추출 방법 연구 A Study on the Automatic Extraction of Fomulation and Properties in Chemical Field Patent Document by Using Machine Learning Technology 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

기계학습 기술을 활용한 화학분야 특허문서의 조성/물성 정보 자동추출 방법 연구
A Study on the Automatic Extraction of Fomulation and Properties in Chemical Field Patent Document by Using Machine Learning Technology 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper