초록 ▼

□ 연구개발 목표 및 내용
○ 최종 목표
o 기술개발 목표
인슈어테크 분야에 적합한 딥러닝 기반 분석 및 분류처리 기술개발 및 사업화
- 인슈어테크 분야에 적합한 딥러닝 기반 분석 및 분류처리시스템에서 우편, 팩스, 인터넷 등 통신수단을 이용한 비대면 보험금 청구접수 자동화 서비스를 제공하여 보험청구 간소화 실현
o 사업화 최종목표
- 보험청구 분야에 적합한 딥러닝 기반 분석 및 분류 처리 제품개발 후 RPA 시장 진출
·본 과제 수행기간에는 시장 진출을 위한 시제품 검증(Proof-of

□ 연구개발 목표 및 내용
○ 최종 목표
o 기술개발 목표
인슈어테크 분야에 적합한 딥러닝 기반 분석 및 분류처리 기술개발 및 사업화
- 인슈어테크 분야에 적합한 딥러닝 기반 분석 및 분류처리시스템에서 우편, 팩스, 인터넷 등 통신수단을 이용한 비대면 보험금 청구접수 자동화 서비스를 제공하여 보험청구 간소화 실현
o 사업화 최종목표
- 보험청구 분야에 적합한 딥러닝 기반 분석 및 분류 처리 제품개발 후 RPA 시장 진출
·본 과제 수행기간에는 시장 진출을 위한 시제품 검증(Proof-of
-Concept)단계에 집중
·사업종료 후에 민간투자 또는 자체 제품화를 위한 추가 R&D를 통해 보험청구 RPA를 위한 보험청구 문서 처리 자동화 시장진입을 목표로 함
- 생산 및 매출목표
·잠재시장에 대한 조사 → 신제품 출시시기 예측 → 단계별 실증항목 기반 사업화 가능성 검증 → RPA를 위한 보험청구 문서처리 자동화 신규 서비스 출시

○ 전체 내용
- 인식결과를 활용한 정보 자동 입력 및 검색/비교 대사 프로세스 구축 완료 (한화손해보험 업무시스템 적용 가능성 검토 완료)
- 서식 등록 및 인식좌표 관리 방안 구축 (한화손해보험 적용업무 확장 가능성 검토 완료)

○ 1년차 (2단계)
목표
① 보험문서 특화 사전
② 보험문서학습영상 DB구축
③ 보험청구문서 딥러닝서버 구축
④ 1차 프로토타입 성능분석

내용
① 보험문서 특화 사전
- 보험문서 단어 표상을 위한 모델 정립
·KS완성형의 한글 2,440자에 대해 데이터베이스 제작
·2,440개 글자에 대해 각각 글꼴 9가지, 3종류의 크기 적용
·종이에 인쇄 후 다시 스캔하는 방식으로 제작
·2,440×2,187 = 5,336,280개의 샘플 (=2,440자×9글꼴×3²)
- 보험문서 개체명인식모델 개선
·보험문서 서식이미지 학습모델 설계 및 이미지 데이터베이스 구축
·Perspective Transformation, 문자 그룹핑, 정렬 알고리즘 및 오탈자 정정 모델(sequence-to-sequence 모델) 개발
② 보험문서 학습 영상 DB 구축
- 태깅프로세스기반 학습 데이터 구축
- 기보유기술 신경망 기반 문자인식 기술을 통해 데이터 및 특징정보 추출
·문서의 특징정보 추출 등 데이터 분석 및 학습체계 기반 자동 입력 및 비교
·문서 분류를 위한 딥러닝 네트워크와 태깅 알고리즘 연계 구조 설계
- 서식 데이터가 없는 임의 문서 입력에 대해서 서식 정보 추출 등 데이터 관리 기능
·서식 등록 및 인식좌료 관리 방안 설계 및 개발
·추출한 데이터 필드의 목록과 위치를 찾기 위한 기능 개발
- 확장 데이터 학습이 가능한 DB관리도구 개발
③ 보험청구문서 딥러닝 서버 구축
- 보험청구문서 정보추출 딥러닝 모델 설계
- 보험문서 분석 및 분류 기술 개발
·Zeon2CPU +RTX2080 딥러닝 머신러닝 서버 구축
④ 1차 프로토타입 성능분석
- 검증데이터 구성
·KB손해보험사 검증용 이미지 및 학습데이터 구성
- 1차 프로토타입 개발 및 성능 평가
·인식 정확도 82% 수준

○ 2년차 (2단계)
목표
① 심층신경망 모델 기반 재학습 도구
② 문서서식 인식 도구
③ 보험청구 서식항목 검증을 위한 시각화 SW 개발
④ 비정형/반정형/정형 보험청구문서 처리 자동화 서비스 출시

내용
내용① 심층신경망 모델 기반 재학습 도구
- 딥러닝 네트워크 은닉층 증가
- 딥러닝 학습데이터 확장에 대한 연구
- 복수 딥러닝 모델 다중화를 위한 구조 개발
② 문서서식 인식 도구
- 추출해야 되는 데이터 필드의 목록과 데이터 필드의 위치를 찾기 위한 알고리즘 개선
·개체명인식 알고리즘 정확도 향상
·개체명인식 알고리즘 비교 분석 후 정확도 향상을 위한 메커니즘 적용
③ 보험청구 서식항목 검증을 위한 시각화 SW 개발
- 보험문서사전 확장 및 학습DB 구축을 위한 사용자 도구 개발
- 오류 필터링, 스코어링, 태깅 문서, 통계정보 생성 도구 개발
④ 비정형/반정형/정형 보험청구문서 처리 자동화 서비스 출시
- 잠재고객 대상 시제품 검증(Proof-of-Concept)을 위한 기능/성능 개선
- 성능평가 표준방법 확립
- 시제품 검증 결과를 반영하여 개선한 보험청구 문서 분석기 및 분류 프로토타입 개발

□ 연구개발성과
o 인슈어테크 분야에 적합한 딥러닝 기반 분석 및 분류처리 SW
- 보험청구 문서 분석기 및 분류 프로그램 개발
(처리율 90% 이상, 정확도 99% 이상)
· 확장 데이터 입력을 통한 학습이 가능하며 데이터의 주기적인 갱신을 고려한 구조
· 신경망모델(CNN, RNN모델)기반으로 자유로운 입력에 대하여 딥러닝 실시
- 보험청구 서식항목검증을 위한 시각화(Visualization) SW개발 (5초 이내)
· 서식데이터가 없는 임의문서입력에 대해서 서식 정보 추출 등 데이터 관리 기능
(사업화성과) 사업화 1건, 신규인력 채용 3건 (청년 2건, 청년 이외 1건)
(기술성과) 특허 1건, 시제품 2건, SW등록 2건, 기술문서 4건

□ 연구개발성과 활용계획 및 기대 효과
o (수요처) 인슈어테크 분야에 적합한 딥러닝 기반 분석 및 분류처리 시스템에서 우편,팩스,인터넷 등 통신수단을 이용한 비대면 보험금 청구접수 자동화서비스를 제공하여 보험청구 간소화 실현
o (적용시스템) 전자문서 기반 정형 텍스트용 기존제품과 달리 보험청구 비구조적 문서까지 처리하여 RPA를 실현하기 위한 핵심기술로 활용
o (파급효과) 저부가가치업무를 자동화 처리함으로써 보험산업 비용 절감 및 효율성을 극대화할 것으로 판단됨.
·보험청구 문서 인식 자동화가 가능할 경우 RPA 솔루션 도입과 병행하여 2018년에 비해 2030년에는 보험금 보상 관련 인력이 70~90% 감소할 것으로 예상함.
o 전자문서 처리 가능한 한계를 넘어 우편,팩스,인터넷 등 통신수단을 통해 획득한 문서까지 처리 가능하고 확보된 원천 기술은 비정형 문서 및 데이터로 정보추출이 필요한 타 분야(예: 법률, 과학기술, 교육 등)로의 확장 가능한 기반을 제공할 수 있음.
o 소액인경우 청구하지 않던 소비자도 서비스접근이 쉬어져 편익이 크게 향상될 것으로 기대
o 반복업무로 인한 집중도 저하 및 업무부하로 떨어진 직업 업무 환경 개선이 가능함.
o 딥러닝 전문가 및 인슈어테크 RPA 전문가 양성에 기여

(출처 : 요약문 3p)

목차 Contents

• 표지 ... 1
• 요 약 문 ... 3
• 목차 ... 8
• 1. 연구개발과제의 개요 ... 9
• 1.1 개요 ... 9
• 1.2 시장 현황 ... 10
• 1.3. 기술 동향 ... 12
• 1.4. 기술개발 및 사업화(제품·서비스)의 중요성 및 파급효과 ... 14
• 1.5. 대상 기술의 특징, 창의성, 혁신성 ... 14
• 1.6 추진계획 ... 15
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 17
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 52
• 1) 연구수행 결과 ... 52
• 4. 목표 미달 시 원인분석 ... 71
• 5. 연구개발성과의 관련 분야에 대한 기여 정도 ... 71
• 6. 연구개발성과의 관리 및 활용 계획 ... 72
• 7. 연구실 안전/보안조치 이행계획 및 노력 ... 73
• 1. 연구시설 및 연구장비 보유 현황 ... 73
• 2. 연구실 안전조치 이행계획 ... 73
• 첨부 ... 74
• 끝페이지 ... 93