입학 상담 챗봇 시스템

초록

본 논문은 매년 수백 건에 달하는 입학 문의를 효율적으로 처리하기 위해 키워드와 문자열 유사도를 결합한 검색 알고리즘을 적용한 챗봇을 설계·구현하였다. 웹 인터페이스와 관리자 페이지를 제공하고, 로그와 사용자 피드백을 통해 성능을 평가하였다.

상세 분석

본 연구는 대학 입학 사무의 업무 부담을 경감시키기 위해 자연어 처리 기반 챗봇을 개발하는 데 초점을 맞추었다. 초기 요구사항 분석 단계에서 입학 담당자와의 인터뷰를 통해 주요 질의 유형(지원 일정, 서류 제출, 장학금, 전공 선택 등)을 도출하고, 이를 바탕으로 시스템 기능을 정의하였다. 문헌 조사에서는 기존 FAQ 기반 시스템, 규칙 기반 매칭, 그리고 최신 딥러닝 모델을 검토했으나, 구현 비용과 실시간 응답 요구를 고려해 경량화된 하이브리드 접근법을 선택하였다. 핵심 알고리즘은 먼저 사용자의 질문에서 명사와 핵심 어휘를 추출한 뒤, 사전 정의된 키워드 집합과 매칭한다. 매칭 점수가 일정 임계값 이하인 경우, Levenshtein 거리와 Cosine 유사도를 활용해 문자열 수준의 유사도를 계산한다. 최종 점수가 가장 높은 답변을 선택하고, 만족도가 낮을 경우 관련 웹 페이지 링크를 자동 제공한다. 데이터베이스는 입학 안내 문서와 과거 문의 로그를 정규화하여 구축했으며, 관리자는 웹 기반 관리자 페이지에서 질문·답변 쌍을 추가·수정·삭제할 수 있다. 시스템 구현은 Python Flask와 SQLite를 기반으로 했으며, 프론트엔드는 React를 이용해 반응형 UI를 제공한다. 성능 평가는 3개월간 실제 지원자 212명의 로그와 설문 피드백을 통해 진행했으며, 평균 응답 정확도는 78%, 사용자 만족도는 84%에 달했다. 한계점으로는 복합적인 문맥 이해가 부족하고, 다국어 지원이 미비하다는 점을 꼽을 수 있다. 향후 연구에서는 Transformer 기반 모델을 백엔드에 통합하고, 멀티모달 입력(이미지·음성) 처리 기능을 추가하는 방안을 제시한다.