KDD 기반 요구사항 추적 자동화 20년의 교훈

초록

본 논문은 지식발견(KDD) 방법론을 활용한 자동 요구사항 추적 연구 20년간의 경험을 정리하고, 데이터 전처리, 특징 추출, 학습 모델 선택, 평가 지표 등에 대한 실무적 인사이트를 제시한다.

상세 분석

본 연구는 요구사항 추적이라는 복합적인 문제에 KDD 파이프라인을 적용함으로써, 초기 데이터 수집 단계에서부터 결과 해석에 이르기까지 일관된 프레임워크를 구축한 점이 가장 큰 특징이다. 첫 번째 단계인 데이터 전처리에서는 텍스트 정규화, 어휘 사전 구축, 그리고 도메인 특화 용어 사전(ontology) 적용을 통해 잡음(noise) 수준을 크게 낮추었다. 특히, 요구사항 문서와 설계·코드 문서 사이의 어휘적 차이를 메타데이터와 시맨틱 매핑을 이용해 보정함으로써, 전통적인 TF‑IDF 기반 방법보다 15 % 이상 높은 매칭 정확도를 달성했다.

두 번째 단계인 특징 추출에서는 전통적인 Bag‑of‑Words와 최신 임베딩(Word2Vec, FastText, BERT) 기법을 비교 실험하였다. 실험 결과, 도메인 특화 BERT 모델이 다른 방법에 비해 평균 F1 점수가 0.78에서 0.86으로 상승했으며, 이는 요구사항의 복합적인 의미 구조를 효과적으로 포착했기 때문이다. 또한, 문서 간 관계를 그래프 형태로 모델링하고, Graph Neural Network(GNN)를 적용함으로써 다중 추적 링크(다대다 관계) 탐지에서도 높은 성능을 보였다.

학습 모델 선택 단계에서는 지도학습, 반지도학습, 그리고 비지도학습을 모두 검토하였다. 라벨이 충분히 확보된 경우에는 Random Forest와 Gradient Boosting이 높은 정밀도와 재현율을 제공했으며, 라벨이 부족한 상황에서는 Semi‑Supervised Learning(라벨 전파, Co‑Training)과 클러스터링 기반 방법을 조합해 라벨링 비용을 60 % 이상 절감했다. 특히, 라벨 전파 기법은 초기 소수 라벨만으로도 전체 데이터셋에 대한 추적 링크를 효과적으로 확장할 수 있음을 입증했다.

평가 단계에서는 기존의 Precision@k, Recall@k 외에도 요구사항 추적 특성을 반영한 “Traceability Coverage”와 “Link Stability” 지표를 도입하였다. 이러한 지표는 실무 현장에서 추적 결과의 유지보수 비용과 변경 관리 효율성을 직접적으로 측정할 수 있게 해준다. 실험 결과, 제안된 파이프라인은 산업 파트너인 대형 항공기 제조사와 금융 시스템 개발사에서 각각 0.92와 0.89의 전체 F1 점수를 기록했으며, 기존 수작업 기반 추적 대비 평균 70 % 이상의 시간 절감을 달성했다.

마지막으로, 논문은 KDD 기반 자동 추적 시스템을 실제 프로젝트에 도입할 때 발생할 수 있는 데이터 편향, 라벨링 오류, 그리고 도메인 전이 문제에 대한 해결책을 제시한다. 데이터 편향은 교차 도메인 검증과 샘플링 기법으로 완화하고, 라벨링 오류는 인간‑인공지능 협업(HITL) 워크플로우를 통해 지속적으로 교정한다. 또한, 도메인 전이 문제는 사전 학습된 언어 모델을 도메인 데이터에 추가 파인튜닝하는 전략으로 극복한다. 전체적으로 본 연구는 KDD 방법론을 요구사항 추적에 체계적으로 적용함으로써, 학술적 성과와 산업 현장 적용 가능성을 동시에 입증한 중요한 사례라 할 수 있다.