바이러스PKT: 바이러스 정보 통합 검색 도구

초록

본 논문은 바이러스의 구조·기능·진화 등에 관한 정보를 웹에서 자동으로 수집·정제하여 통합 검색 서비스를 제공하는 시스템 VirusPKT를 제안한다. 크롤링·텍스트 마이닝·데이터베이스 구축·사용자 인터페이스의 전 과정을 자체 유지·보수 가능한 형태로 설계했으며, 실험을 통해 검색 정확도와 응답 속도를 검증하였다.

상세 분석

VirusPKT는 바이러스 관련 데이터를 “검색 엔진”이라는 메타‑전략 하에 집약하는 플랫폼으로, 크게 네 가지 핵심 모듈로 구성된다. 첫째, 데이터 수집 모듈은 정기적인 웹 크롤러를 통해 NCBI, UniProt, ViPR 등 공인 바이러스 데이터베이스와 학술 블로그, 특허 사이트 등을 자동 스캔한다. 크롤러는 URL 패턴과 robots.txt를 준수하면서, 동적 페이지는 Selenium 기반 헤드리스 브라우저로 처리한다. 둘째, 정보 추출·정제 모듈은 HTML·XML 파싱 후, 자연어 처리 파이프라인(NLP)으로 바이러스 명, 유전체 서열, 단백질 구조, 감염 경로, 숙주 종 등 핵심 엔터티를 식별한다. 여기서는 사전 학습된 BERT‑Ko 모델을 파인튜닝하여 엔터티 인식 정확도를 92 % 이상 확보하였다. 셋째, 통합 데이터베이스는 관계형 MySQL과 그래프 DB인 Neo4j를 혼합 사용한다. 관계형 테이블은 정형 데이터(서열, 분류, 발행 연도)를 저장하고, 그래프는 “바이러스‑숙주‑질병” 네트워크를 모델링해 복합 질의에 강점을 둔다. 마지막으로 검색·시각화 인터페이스는 React 기반 프론트엔드와 RESTful API를 연결해 키워드, 필터(분류, 연도, 숙주) 및 유사도 기반 추천 기능을 제공한다. 시스템은 자체 모니터링 에이전트를 내장해 크롤링 오류, 스키마 변화, 데이터 중복 등을 실시간 감지하고 자동 복구한다(셀프‑메인터넌스). 평가에서는 1,200개의 질의에 대해 평균 정밀도 0.87, 재현율 0.84, 평균 응답 시간 1.3 초를 기록했으며, 기존 전문 바이러스 데이터베이스와 비교해 15 % 이상의 커버리지를 달성하였다. 그러나 데이터 출처의 신뢰도 검증, 최신 논문 자동 인용, 다국어 지원 등은 향후 과제로 남는다.