1. 서 론
전력계통은 발전, 송전, 변전, 배전으로 크게 4 부분으로 나뉘어 진다. 일반적으로 발전, 송전, 변전설비의 경우 설비비용이 매우 고가이며, 배전설비는
발전, 송전, 변전설비와 비교하여 전체 계통에 대한 영향력 및 설비비용은 낮을 수 있으나 전체 전력설비 자산의 많은 부분을 차지한다(1)
.
이러한 발전, 송전, 변전, 배전 설비 설치 및 유지보수는 전기관련 법령에 따라 업을 등록한 업체의 자격을 갖춘 소속 기술자가 업무를 수행하며, 전기분야
종사자(설계자, 시공자, 감리자, 안전관리자)가 해야 하는 업무절차와 내용 등은 모두 전기관련 법령 ｢전기사업법령｣, ｢전력기술관리법령｣, ｢전기공사업법령｣,
｢전기용품 및 생활용품 안전관리법령｣, ｢전기설비기술기준｣, ｢산업안전보건법령｣ 등에 규정되어 있다.
또한, 전기관련 법령은 건설, 소방, 통신, 기계 등 타 분야와도 복잡하게 연관되어 있어, 유관법령의 확인도 필요하기 때문에 민원인 입장에서는 복잡하고
어렵게 느껴지는 것이 현실이다.
이러한 이유로, 민원인이 복합적인 질문을 정부 또는 관련기관 등에 하게 되면 해당 기관에서는 해당 법령에서 규정한 내용을 중심으로 답변을 하고 민원인이
원하는 전체적인 답을 얻기 위해서는 많은 절차와 기초적인 해당 법령에 대한 지식이 있어야만 가능하다.
국민의 생명, 안전, 재산과 직접관련이 전기관련 법령은 설계, 감리, 안전관리 등 전력계통의 안정적 운영 및 관리를 위한 신고 및 절차 등이 규정되어
있으며, 이러한 법령관련 질의는 전문적인 지식을 갖춘 담당자가 직접 실시간 답변하는 것이 가장 이상적인 방법이나 한정된 인력, 업무시간 등 현장여건의
한계들로 인하여 어려운 실정이다.
그림. 1. 전기관련 법령 체계도
Fig. 1. Electricity related legislation
이에 본 연구에서는 일반 국민이 쉽게 법령관련 질의를 하고 답변 받을 수 있는 빅데이터를 활용한 인공지능 질의응답 플랫폼을 구축하여 민원인이 언제
어디서나 시간적, 공간적 제한을 받지 않고 업무 등에 필요한 법령관련 궁금증을 해결할 수 있는 시스템을 구축하고자 한다.
전기관련 법령 질의응답 분야의 인공지능 적용은 데이터기반 의사결정 과학화를 이루고 국민 개개인 혹은 개별 상황에 맞는 사실기반 정보를 제공하여 줄
것으로 기대된다.
2. 본 론
민원인이 건축물 등에 전기를 수전받기(사용하기) 위해서는 업무중심으로 복잡하게 얽힌 법령에서 규정하고 있는 신고·허가 등의 업무를 처리하여야 하며,
해당 업무에 대한 신고기간, 신고방법, 절차 등이 개별법령 또는 해당업무를 처리하는 기관(협회)에 따라 달라 민원인이 일일이 업무를 처리하는 해당기관(협회
등)이 어디인가를 확인하고 업무를 처리를 해야 하는 어려움이 있다(2)
. 이러한 문제 해결을 위해서는 전기 수전 계획단계부터 업무 전체의 플로우와 신고절차, 방법, 기간 등에 대한 내용들을 민원인의 눈높이에서 쉽게 알
수 있도록 도움을 주는 시스템이 필요하다.
관련법령을 중심으로 업무처리는 전기수용신청(전기사업법), 전기 설계 및 감리(전력기술관리법), 공사계획신고(전기사업법), 전기공사(전기공사업법),
사용전 검사(전기사업법), 전기안전관리(전기사업법)으로 이루어진다.
업무처리기관을 중심으로 보면 전기수용신청(한전), 전기 설계 및 감리(전기기술인협회), 공사계획신고(전기안전공사 또는 산업부), 전기공사(전기공사협회),
사용전검사(전기안전공사), 안전관리(전기기술인협회)으로 이루어진다.
그림. 2. 전기공급 절차도
Fig. 2. Electricity supply flow chart
이에 본 연구에서는 그 동안 축적된 민원질의 사례와 업무 담당자 의견 등을 종합하여 DB를 만들고 이러한 빅데이터를 활용하여 인공지능 질의응답 플랫폼을
구축하였다.
빅데이터를 활용한 인공지능 질의응답 플랫폼은 업무중심으로 복잡하게 얽힌 법령간의 관계를 국민의 눈높이에 맞춰 답변해 주고, 단어 중심의 키워드 및
자연어만으로도 질문자의 의도를 해석하고 가능한 답을 확인 후 답을 주거나, 답변과 관련한 여러 가지 상황이 겹칠 경우에는 각 답변에 대한 우선순위에
따라 답을 안내하도록 인공지능화 하였다(2)
.
그림. 3. 인공지능 시스템 개념
Fig. 3. AI system concept
또한, 기존 법령관련 유권해석 사례들도 포함하여 법령에서 명확히 규정한 사항 이외에도 현장 특성과 여건에 따라 법령 해석이 달라지는 질문에 대하여도
답변이 가능하고(2)
, 민원인이 법령질의 시 질의 범위를 초과하지 않도록 입력단계에서 오입력 및 동의어(유의어)를 자동 인식 하도록 시스템화 하였다.
2.1 국내외 동향
2.1.1 국내 동향
1) 한국전자통신연구원 “엑소브레인”
한국전자통신연구원은 엑소브레인 1단계(‘13.5 ~ ’17.2) 개발을 완료하고 현재 2단계 개발 중에 있으며, 2단계에서는 어휘ㆍ문장의 문법분석에서
상호참조 해결, 생략된 어휘의 복원 등 의미 분석이 가능한 언어처리 기술을 적용하고, 명사와 개체명 위주의 단답형 정답추론에서 문장형태의 서술형 답변을
추론할 수 있는 질의응답 시스템을 개발하고 있다(3)
.
2) 한양대 AI연구소와 LegalTech가 공동개발한 AI ChatBot Babel
한양대 AI연구소와 LegalTech가 공동 개발한 AI ChatBot Babel에서는 IT를 활용해 법조인(판사, 검사, 변호사 등)의 법률 검색,
자문, 판례 분석 등을 도와주는 기술 및 서비스를 제공한다(4)
. (AI CHatBot Babel은 3단계로 개발)
3) 로앤비(LAWnB)
로앤비에서는 국내 모든 법률, 판례, 문헌, 법조인 등 법률과 관련된 모든 정보를 검색할 수 있는 플랫폼을 구축하였으며,
표 1. 인공지능 챗봇 개발 목표
Table 1. AI ChatBot Babel Development goals
|
핵심기술
|
세부기술
|
|
Step 1
(18년)
|
변호사 검색 ChatBot(인물검색 시스템)
고객과의 대화를 통해 고객이 처한 상황에 상응하는 법률 카테고리, 선호하는 변호사 조건 등을 파악해 가장 유사한 변호사 추천
|
|
Step 2
(18년)
|
고객상담 ChatBot
변호사 추천뿐만 아니라 DB를 기반으로 유사상담사례, 필요한 법률지식 등 제공
|
|
Step 3
(19년 목표)
|
Lawyer Assistant ChatBot
Byunhosanim.com의 DB와 법률 관련 자료를 Deep Learning하여 법령과 판례 검색 등 변호사들의 소송준비를 보조하는 Lawyer
Assistant ChatBot
|
검색어와 관련된 법규, 판례 등을 한곳에서 찾아볼 수 있는 기능을 제공하고 있다(5)
.
표 2. 법률 정보
Table 2. Legal information
|
구분
|
세부사항
|
|
판례
|
판례
|
판례속보, 공보판례, 판례히스토리 등
|
|
결정·해석
|
특허심판례
|
약 280,000건의 특허심판례
|
|
결정례
|
국민권익위원회, 고용보험심사위원회,
감사원 등 결정례/해석례
|
|
법령해석
|
법제처, 금융위원회/금융감독원, 조달청, 행정안전부 등의 법령해석
|
|
문헌
|
논문·평석
|
약 118만건의 논문·평석 제공
|
|
주석서
|
기본법 주석서를 조문단위로 제공
|
|
법률사전
|
약 4,000건의 법률 용어 해설
|
2.1.2 국외 동향
1) 미국(피스컬 노트, FiscalNote)
‘피스컬 노트’는 입법정보와 규제정보 등 각종 법률 정보 관련 빅데이터에 AI기능을 접목시킨 플랫폼으로 미국의 모든 입법과 법령 관련 정보를 분석해
향후 법령의 개정방향, 개정내용, 영향성 등을 분석하여 제공 하는 플랫폼이다. 입법정보를 분석하는 프로퍼시(Prophecy)와 규제정보를 분석하는
소나(Sonar) 두 가지 형태를 운영하고 있다(5)
.
2) 미국(Lexis Answers)
“렉시스 엔서(Lexis Answers)”는 질문을 키워드 형태로 변환하거나 문장을 사용할 필요 없이 자연어 형태로 질문을 하면 질문을 이해한 뒤
학습된 정보를 활용하여 답변을 제공 하는 시스템이다(6)
.(데이터를 기반으로 답변을 해석하고 AI접근 방식으로 질문을 이해·예상하여 유형에 대한 답변을 제공)
2.2 질의응답 플랫폼 DB구축
2.2.1 전기관련 법령정보 DB
복잡하고 다양한 불규칙이 존재하는 한국어를 분석하는 기존의 규칙 기반 방법들은 낮은 정확률을 보일 수밖에 없다(7)
.
이에 본 연구에서는 정확도 높은 질의응답 시스템 구축을 위하여 전기사업법령 및 전력기술관리법령에 대한 질의를 전문가 자문 등을 통하여 업무중심으로
분석하여 760개의 정형화된 질문과 답을 만드는 작업을 하였다.
이와 함께 그 동안 정부 등에서 답변한 법령질의에 대한 유권해석 자료들을 분석하여 복합적인 질문을 단편적인 질문으로 나누고, 답도 그에 대한 응답으로
나누는 질의/응답 set을 구축하였다.
그림. 4. 빅데이터 구축 방향
Fig. 4. Big Data construction direction
그림. 5. 질문과 답변 정형화
Fig. 5. Q&A
이를 위해 그동안 일반질문과 답변 자료와 정부의 유권해석 자료에 대하여 총 3단계에 걸쳐 검증작업을 실시하였다. 1단계로는 모든 유권해석 등 기존자료를
제ㆍ개정된 법률에 따라 현재 시점에 맞도록 수정하였다.
2단계로는 자동질의응답 플랫폼 결과물의 정확도를 높이기 위하여 유권해석 자료를 단일 화 하는 작업을 하였다. 개발된 플랫폼이 논리트리를 활용한 자동학습
적용이 불가능함에 따라 복수의 질문을 단일 질문으로 세분화하고 질문별로 답변을 할 수 있도록 시스템화한 것이다.
3단계로는 유권해석 등이 시간 경과에 따라 여러 담당자가 작성하면 결과 값은 같지만 답변 방식이 다양한 점을 보완하기 위하여 유권해석에 대한 질문과
답변을 정형화하는 작업을 하였다.
그림. 6. 법령 히스토리 작업
Fig. 6. Statute history
그림. 7. 질문과 답변 세분화
Fig. 7. Breakdown of Q&A
2.2.2 법령정보 군집화
법률은 법, 시행령, 시행규칙, 행정규칙의 체계를 갖추고 법령 상호간에 부합되도록 구성되어 있다. 예를 들어 전기공사 감리에 대한 기본적인 법적 근거는
｢전력기술관리법｣ 제12조에 명시되어 있으며 세부적인 공사감리원 자격, 감리업자 선정, 배치기준, 업무범위, 관련 서식 등은 시행령, 시행규칙 및
행정규칙에서 규정되어 있다.
따라서 업무를 중심으로 해당 내용을 파악하기 위해서는 관련 법령들의 법적 근거를 명확히 확인하고 관련 법령 및 행정규칙을 이어서 해석해야 알 수 있다.
이를 위해 본 연구에서는 관련 법령 및 행정규칙 등을 군집화 작업을 하였다.
2.2.3 플랫폼 DB 용어 동의어(유사어) 분류
법령에서 사용되는 용어는 지속적인 문장정비 및 알기 쉬운 법령 정비기준 등을 거쳐 통일성이 있지만 현장 사용되는 용어, 유권해석 용어 및 검색 용어는
사용자 및 담당자에 따라 다르게 사용됨에 따라 본 연구에서는 그 동안 질문 유형 및 민원 질의 사례 등을 분석하여 용어에 대한 동의어(유사어) 분류
작업을 수행하였다.
동의어(유의어) 분류작업은 질문 시 오타를 보정 하고 현장에서의 전문용어, 전기관련분야에서 사용되는 지칭용어 등을 반영하여 정확한 답변을 도출하기
위한 작업이다.
2.3 인공지능 질의응답 플랫폼 엔진 구축
2.3.1 플랫폼 엔진
표 3. 전기관련법령 군집화(일부)
Table 3. Power Technology Management Act clustering
|
법
|
시행령
|
시행규칙
|
|
제12조의2
(감리원의
배치 등)
|
제22조(감리원의 배치기준 등)
|
제21조의2(감리원 배치 현황 신고)
|
|
제23조(감리원의 업무 범위)
|
제22조(감리원의 업무 등)
|
|
제24조(감리원의 관리)
|
제23조(감리원의 관리)
|
|
제14조
(설계업ㆍ감리업의 등록 등)
|
제27조(설계업ㆍ감리업의 종류별 등록 기준 등)
|
제25조(설계업ㆍ감리업의 등록)
|
|
제26조(등록증의 게시 등)
|
|
제27조(등록변경신고 및 관리 등)
|
|
제66조
(일반용전기설비의 점검)
|
제42조의2(전기판매사업자가 사용전점검을 하는 전기설비)
|
제35조(일반용전기설비의 사용전점검 시기 및 절차 등)
|
|
제35조의2(일반용전기설비의 정기점검 시기 및 절차 등)
|
|
제35조의3(점검기준 및 점검방법)
|
|
제35조의4(정기점검 결과에 따른 조치 등)
|
|
제36조(일반용전기설비 점검자의 자격)
|
|
제37조(점검 결과의 기록 등)
|
|
제73조
(전기안전관리자의 선임 등)
|
제45조(전기안전관리업무를 전문으로 하는 자 등의 등록 등)
|
제40조(전기안전관리자의 선임 등)
|
|
제41조(안전관리업무의 대행 규모)
|
|
제42조(전기안전관리자 자격의 완화)
|
|
제43조(전기안전관리자의 직무대행자의 지정요건)
|
|
제44조(전기안전관리자의 자격 및 직무)
|
|
제44조의2(안전관리업무의 대행범위 등)
|
그림. 8. 동의어 분류
Fig. 8. Synonym classification
플랫폼이 질문을 분석하고 정확한 답변을 제공하도록 답변의 종류와 방법을 순차적으로 정리하였다.
우선 사용자가 플랫폼에서 질문을 하는 방식을 분석하여 자연어로 질문하는 자연어 검색과 형식에 맞춰 질문하는 지능형 검색으로 구분하여 개발하였다.
그림. 9. 통합정보플랫폼 흐름도
Fig. 9. Integrated information platform flowchart
빅데이터를 활용한 인공지능 질의응답 플랫폼은 기계적 학습을 통한 자연어 분석이 가능한 ‘SpringTopicker"를 커스터마이징 하고 관련 운용프로그램을
개발 하였다.
SpringTopicker는 형태소분석기, 의미분석엔진, 심층질의엔진이 순차적으로 질문에 대한 자연어를 분석하도록 시스템화 하였다. 우선 커스팅마이징
된 형태소분석기와 의미분석엔진은 사용자의 질문을 분석하고 개발된 심층질의응답엔진은 분석된 질문을 토대로 적절한 답변을 제공 한다.
그림. 10. 통합정보플랫폼 흐름도
Fig. 10. Integrated information platform flowchart
2.3.2 형태소분석기(Utagger)
형태소분석기는 입력되는 질의를 최소 단위인 형태소 단위로 분리하는 엔진으로써 모든 문장을 최소단위로 나누어 분석하고 분석된 DB는 의미 분석엔진으로
전달한다.
2.3.3 의미분석엔진
의미분석엔진은 형태소분석기를 통해 분석된 문장 단위를 키워드 중심으로 분석하여 분석된 질문을 패턴화하고 심층질의응답엔진에 그 결과를 보내는데 사용된다.
여기에서 패턴이란 키워드 중심으로 만들어지는 하나의 규칙을 말하며, 키워드를 중심으로 띄어쓰기, 조사 등에 영향을 받지 않고 문장을 인식하는데 적용
된다.
2.3.4 심층질의응답엔진
심층질의응답엔진은 java 1.7, javascript, jquery 언어로 개발하였고 oracle DB를 사용하여 기계학습 기반인 패턴 별 응답을
매칭 하여 사용자의 질문을 분석하고 적절한 패턴을 매칭 시켜 답변을 제공하는 시스템이다.
본 연구에서는 패턴 매칭을 위하여 업무형태에 따라 작성한 질문과 답(760개) 및 유권해석 자료(1300개)에 대하여 depth화 작업(6,800개)을
하였고, 답변 우선순위 결정을 위한 뎁스별 가중치를 설정하였다.
표 4. depth 구분 정의
Table 4. Power Technology Management Act clustering
|
depth 구분(정의)
|
|
depth1
(법령)
|
depth2
(업무)
|
depth3
(자격)
|
depth4
(발주)
|
|
depth5
(대상/시간/장소)
|
depth6
(처벌/제한)
|
depth7
(기타)
|
뎁스별 가중치는 업무 데스인 depth2를 기준으로 하였으며, depth2에 매칭 되는 답변이 없는 경우에는 depth7 부터 depth3까지 역순으로
매칭 되는 의미를 검색하여 질의에 대한 정보를 찾아 매칭 되는 정보를 제공하도록 하였다.
2.4 인공지능 질의응답시스템 알고리즘 개발
인공지능 질의응답 플랫폼은 키워드 중심의 패턴매칭을 통하여 질의에 대한 정확도 높은 답변을 제공하도록 알고리즘 하였다.
(1차) 질의에 대한 규칙기반 매칭 알고리즘
① 각 질의별로 매칭 규칙을 만든다.
ex - 전력시설물 설계는 누가하나요?
전력시설물 설계 + 누가/어떤 사람
- 자가용전기설비 설계는 누가 하나요?
자가용전기설비 설계 + 누가/누구
② 사용자의 입력을 매칭 규칙을 통해 질의에 매칭 -> 응답 매칭
(2차) 질의 분류 및 분류별 규칙기반 매칭(최다매칭 선택) 알고리즘
① 분류체계 수립 - 법령, 업무, 사람, 발주, 대상/장소/시간, 처벌/제한, 기타
② 모든 질의 분류
③ 분류항목별 매칭 규칙을 만든다.
ex) 업무 - 전력시설물 설계
전력시설물 + 설계
- 자가용전기설비 설계
자가용전기설비 + 설계
대상/장소/시간 - 누가
누가/어떤 사람
④ 사용자의 입력을 매칭 규칙을 통해 분류항목에 매칭
⑤ 질의 분류에 모두 매칭 되는 질의 선택
⑥ 매칭 된 질의가 다수일 경우 가장 많은 항목이 매칭 된 질의 선택
⑦ ⑤에서 선택된 질의가 없는 경우 가장 많은 항목이 매칭 된 질의 선택
(3차) 질의 분류 및 분류별 규칙기반 매칭(분류별 가중치 부여) 알고리즘
① 2차의 ① ~ ⑤와 동일
⑥ 매칭 된 질의가 다수일 경우 분류별 가중치 계산 후 최대 점수 질의 선택
⑦ 2차의 ⑤에서 선택된 질의가 없는 경우 분류별 가중치 계산 후 최대 점수 질의 선택
(4차) 질의 분류 및 분류별 규칙기반 매칭(매칭 항목 수+비율 고려) 알고리즘
① 2차의 ①~⑤ 동일
⑥ 매칭 된 질의가 다수일 경우 매칭 항목수 + (매칭항목 수/질의분류항목수) 수치가 최대인 질의 선택
⑦ 2차의 ⑤에서 선택된 질의가 없는 경우 매칭 항목 수 + (매칭항목 수/질의분류항목수) 수치가 최대인 질의 선택
(5차) 질의 분류 및 분류별 규칙기반 매칭(최하위 분류 매칭) 알고리즘
① 2차의 ① ~⑤ 동일
⑥ 매칭 된 질의가 다수일 경우 최하위 분류까지 매칭 된 질의 매칭
⑦ 2차의 ⑤에서 선택된 질의가 없는 경우 최하위 분류까지 매칭 된 질의 매칭
(6차) 질의 분류 및 분류별 규칙기반 매칭(최하위 분류 매칭, 동일분류 포함 삭제) 알고리즘
① 2차의 ①~⑤ 동일
⑥ 매칭 된 질의가 다수일 경우 동일 분류에서 매칭 된 범위가 포함되는 경우 삭제
ex) 설계감리
기존 - 설계, 감리, 설계감리 모두 매칭
변경 - 설계, 감리 삭제 / 설계·감리만 매칭
⑦ 질의 분류에 모두 매칭 되는 질의 선택
⑧ 매칭 된 질의가 다수일 경우 최하위 분류까지 매칭 된 질의 매칭
⑨ 2차의 ⑤에서 선택된 질의가 없는 경우 최하위 분류까지 매칭 된 질의 매칭
(7차) 질의 분류 및 분류별 규칙기반 매칭(부정확한 매칭 구분) 알고리즘
① 2차의 ①~⑤ 동일
⑥ 매칭 된 질의가 다수일 경우 동일 분류에서 매칭 된 범위가 포함되는 경우 삭제
ex) 설계감리
기존 - 설계, 감리, 설계감리 모두 매칭
변경 - 설계, 감리 삭제 / 설계감리만 매칭
⑦ 질의 분류에 모두 매칭 되는 질의 선택
⑧ 매칭 된 질의가 다수일 경우 최하위 분류까지 매칭 된 질의 매칭
⑨ 2차의 ⑤에서 선택된 질의가 없는 경우 최하위 분류까지 매칭 된 질의 매칭
-> 바로 답변을 내보내지 않고 사용자가 질의를 한번 선택하여 답변을 내보내도록 변경
(8차) 질의 매칭 정확도 수치화 및 필터링
① 알고리즘 결과 매칭 된 질문에서 분류별 매칭 된 부분의 길이를 구함
② ①번 결과를 사용자가 입력한 질의문의 길이로 나누어 수치화
③ ②번 결과 수치를 특정 ThreshHold(임계수치)를 기준으로 구분
④ 특정 ThreshHold(임계수치)보다 작은 경우 바로 답변을 내보내지 않고 사용자가 질의를 한번 선택하여 답변을 내보내도록 변경
2.5 인공지능 법령해설 통합정보플랫폼
2.5.1 검색방법 및 내용
데이터를 활용한 인공지능 질의응답 플랫폼은 사용자가 자연어로 질의하는 ‘자연어 검색’과 사용자가 원하는 질문을 선택하여 정형화된 질문을 만들고 답을
받는 ‘지능형 검색’ 방식으로 개발하였다.
그림. 10. 전기법령 검색방식
Fig. 10. Search method
자연어 검색 및 지능형 검색을 위한 키워드 패턴 매칭을 위하여 질문내용을 검색조건에 맞도록 정형화하여 질문을 입력하면 맞는 정보만 찾아주고, 많은
정보를 질문자가 일일이 다시 확인할 필요가 없도록 구축하였다.
또한 질문에 대한 답변은 민원인이 편하게 볼 수 있는 형식으로 디자인 하였고, 질문 패턴 매칭을 통하여 질문자의 의도를 이해하고 적합한 답을 찾아주도록
시스템화 하였다.
2.5.2 관련 법령 정보 제공
답변에 대한 신뢰성 확보와 사용자의 이해 증진을 위하여 질문에 대한 답변을 하고 답변과 관련된 법령정보를 제공하도록 시스템화 하였고, 법령이 개정되는
경우, 관리자가 해당 법령 파일을 업로드 하면 해당 내용이 수정·반영되도록 유연성과 확장성을 토대 하였다.
그림. 11. 법령정보 제공
Fig. 11. 2Provide legal information
2.5.3 관련 법령 정보
질문에 대한 전체적인 사용자 이용 현황과 사용자가 입력하고 얻은 질문에 대한 답변 정보의 정확도 및 만족도 등을 평가할 수 있도록 하고, 질문에 대한
빈도수, 자주하는 질문 등에 대한 통계정보 등도 분석할 수 있도록 시스템화 하였다.
그림. 12. 통계분석 시스템
Fig. 12. Statistical analysis system
3. 결 론
본 연구에서는 업무중심으로 복잡하게 얽힌 법령간의 관계를 국민의 눈높이에 맞춰 답변해 주고, 단어 중심의 키워드 및 자연어만으로도 질문자의 의도를
해석하고 정확한 답을 제공해 주는 인공지능을 활용한 전력계통 운영관련 자동 법령 질의응답 플랫폼을 구축하였다.
본 시스템 구축을 위하여 그 동안 민원인이 자주하는 질문을 분석하여 정형화된 질문 760개와 여러 질문이 복합적으로 해석된 유권해석 자료를 단편적인
질문과 답으로 나누는 질의/응답 set 1,300개를 만들었으며, 업무중심에 맞도록 법령(행정규칙 포함)의 군집화 및 유사어(동의어)에 대한 포집화
작업을 하였다.
또한, 질문에 대한 분석을 위하여 질문 유형을 업무형태별로 법령, 업무, 자격, 발주, 대상·시간·장소, 처벌·제한, 기타 총 7단계로 depth를
구분하였고 답변 우선순위는 depth별 가중치에 따라 적용되도록 알고리즘 자동화하였다.
이렇게 축적된 데이터를 바탕으로 자연어 분석을 위하여 기계학습 기반 분석엔진(SpringTopicer)을 전기관련 법령에 맞도록 커스터마이징 및 관련
프로그램 개발을 하였다.
분석엔진(SpringTopicer)은 형태소분석기, 의미분석엔진, 심층질의응답엔진으로 구성하였으며, 형태소분석기는 문장을 최소 단위로 나누고, 의미분석엔진은
키워드 중심으로 패턴화, 심층질의응답엔진(개발)은 가중치가 부여된 업무 뎁스를 기준으로 매칭 된 답변을 제공하는 역할을 수행하도록 시스템화 하였다.
본 플랫폼은 데이터의 보이지 않는 정보를 활용한 새로운 민원 서비스로 누구나 법률관련 질의를 할 수 있는 개방성(open)과 언제 어디서나 시간과
장소에 구애받지 않고 질문에 대한 답변을 받을 수 있는 혁신성(innovative) 및 빅데이터를 활용한 정확한 답변 제공이라는 창의성(creative)이
반영 된 시스템으로 민원업무 효율화를 도모하고 민원인이 질문과 답변을 받는데 필요한 사회적, 경제적 비용을 절감 시킬 수 있는 민원 편익적 장치라
할 수 있다.
이러한 인공지능을 활용한 자동 법령 질의응답 플랫폼을 통하여 향후에는 전력계통 운영과 관련된 법령정보를 보다 쉽고 편하게 얻을 수 있을 것으로 예상되며,
수치화된 정보 값 등을 통하여 민원인이 궁금해 하고 어려워하는 다양한 민원사례 등을 파악할 수 있어 앞으로 정부 등에서 전기관련 정책을 만드는 데에도
크게 기여할 것으로 기대된다.