금융 실적 발표 요약을 위한 지시 기반 불릿 포인트 모델

초록

본 논문은 장시간의 기업 실적 발표 녹취록(Earning Call Transcripts)을 불릿 포인트 형태로 요약하는 새로운 방법을 제안한다. 질문 기반 추출 모듈과 파라미터 효율적인 지시 튜닝(Instruction‑Tuning) 추상화 모듈을 결합한 FLANFinBPS 모델은 기존 최고 성능 대비 평균 ROUGE 점수를 14.88% 향상시켰으며, 사실 일관성을 유지하면서 핵심 재무 정보를 정확히 포착한다.

상세 분석

본 연구는 금융 분야 특유의 길고 복잡한 텍스트인 실적 발표 녹취록을 효율적으로 요약하기 위해 두 단계 파이프라인을 설계하였다. 첫 번째 단계는 ‘질문 기반 추출 모듈’로, 사전 정의된 재무 질문 템플릿(예: 매출 성장, 비용 구조, 전망)에서 핵심 문장을 자동으로 선택한다. 이때 비지도 방식으로 문장‑질문 매칭 점수를 계산하기 위해 BM25와 문맥 임베딩을 결합했으며, 문서 길이가 수만 토큰에 달해도 메모리 효율성을 유지하도록 설계되었다. 두 번째 단계는 ‘지시 튜닝 추상화 모듈’이다. 기존 대규모 언어 모델인 FLAN‑T5를 파라미터 효율적인 LoRA(Low‑Rank Adaptation) 기법으로 미세조정함으로써, “다음 문장을 불릿 포인트 형식으로 요약하라”라는 명령어에 따라 추출된 문장을 재구성한다. 이 과정에서 모델은 숫자와 단위(예: 백만 달러, 퍼센트)를 보존하도록 추가적인 정규화 손실을 적용했으며, 사실 일관성을 검증하기 위해 FactCC와 같은 평가 지표를 활용하였다. 실험에서는 공개된 ECTSum 데이터셋을 사용해 5‑fold 교차 검증을 수행했으며, ROUGE‑1/2/L 모두에서 기존 최강 Baseline(예: Longformer‑Encoder‑Decoder, Pegasus‑Fin)보다 평균 14.88% 높은 점수를 기록했다. 특히, 추출 단계에서 질문 템플릿을 다양화함으로써 특정 기업의 산업 특성에 맞는 맞춤형 요약이 가능해졌으며, 지시 튜닝 단계에서는 파라미터 증가 없이도 3배 이상의 추론 속도를 달성했다. 한계점으로는 질문 템플릿이 고정돼 있어 새로운 재무 항목이 등장할 경우 추가 설계가 필요하고, 숫자 변환 오류가 드물게 발생한다는 점을 지적한다. 향후 연구에서는 자동 질문 생성 및 숫자 정규화 모듈을 통합해 전반적인 시스템의 적응성을 높이는 방향을 제시한다.