실시간 물품질 정보 제공을 위한 대화형 모델

초록

본 논문은 제한된 컴퓨팅 자원을 가진 사용자를 위해 남아프리카공화국의 지역별 물품질 정보를 실시간으로 제공하는 대화형 시스템을 제안한다. 신경망 기반 임베딩과 엔터티 인식 기술을 활용해 사용자 질의를 파악하고, 정부·민간 데이터베이스와 연동해 정확한 답변을 생성한다. 남아공 사례를 통해 시스템의 실용성과 확장성을 검증하였다.

상세 분석

이 연구는 물품질 정보 접근성이 낮은 지역, 특히 남아프리카공화국의 농촌 및 저소득층을 대상으로 실시간 정보 제공을 목표로 한다. 핵심 기술은 두 단계로 구성된다. 첫 번째는 사전학습된 BERT‑기반 한국어(또는 다국어) 임베딩 모델을 활용한 자연어 이해(NLU) 모듈이다. 입력된 사용자 질의를 토큰화하고, 컨텍스트‑민감한 벡터로 변환한 뒤, CRF 기반 엔터티 인식기와 결합해 ‘위치’, ‘오염물질’, ‘시간’ 등 핵심 슬롯을 추출한다. 두 번째는 추출된 슬롯을 기반으로 외부 API와 연동하는 액션 디시전 모듈이다. 여기서는 남아공 환경부(EA)와 물관리공사(Water Services)에서 제공하는 공개 RESTful 서비스, 그리고 비영리 단체의 실시간 센서 데이터베이스를 호출한다. 응답은 템플릿 기반 자연어 생성(NLG) 엔진을 통해 사용자 친화적인 문장으로 변환된다.

시스템 설계 시 저전력 장치와 저대역폭 네트워크 환경을 고려해 모델 압축(프루닝, 양자화)과 온‑디바이스 추론을 적용하였다. 또한, 엔터티 인식 정확도를 높이기 위해 현지 언어(아프리칸스어, 줄루어)와 혼용된 코드‑스위칭 데이터를 추가 학습시켰다. 실험 결과, 압축 후 모델은 원본 대비 4배 빠른 추론 속도를 보이며, F1 점수 0.92로 높은 인식 성능을 유지했다.

시스템은 실제 남아공의 두 도시(요하네스버그, 케이프타운)와 농촌 지역(프리토리아 인근)에서 파일럿 테스트를 진행했으며, 사용자 만족도 설문에서 평균 4.6/5점을 기록했다. 특히, 급격한 강우 후 오염 위험이 높은 지역에서 실시간 경보를 제공함으로써 주민들의 위험 인식이 크게 향상되었다.

하지만 데이터 품질의 불균형, 현지 언어 지원의 한계, 그리고 정부 데이터 API의 가용성 변동 등 몇 가지 제약이 존재한다. 향후 연구에서는 멀티모달 센서 데이터와 강화학습 기반 정책 최적화를 도입해 보다 정교한 위험 예측 모델을 구축하고, 오픈소스 커뮤니티와 협업해 현지 언어 모델을 지속적으로 업데이트할 계획이다.