인터넷 기사 매체와 소셜 미디어의 급증으로 대량의 텍스트 정보가 생성되며 정보 과잉 문제가 심화되고 있다. 이에 따라 핵심 내용을 신속히 파악하려는 수요가 증가하며 요약 기술의 중요성이 부각되고 있다. 본 연구는 기존 추출 요약 방식의 단편성과 기사 추천 시스템의 정보 편향 문제를 해결하고자, 대규모 언어모델 KoBART를 활용해 생성된 추상적 요약문 기반의 코사인 비유사도 추천 시스템을 제안한다. AIHub 한국어 문서요약 데이터셋을 활용해 Fine-tuning을 수행하였으며, 생성 요약문은 높은 정보 압축률, 가독성, 의미 전달력을 보인다. 또한 요약문 간 코사인 비유사도를 활용해 사용자가 다양한 관점의 기사에 접근할 수 있도록 추천함으로써 정보의 다양성과 접근성을 확보하고, 효율적인 뉴스 소비를 지원한다. 성능은 ROUGE, SentenceTransformer(0.67 이상), SBERT(0.77 이상) 평가로 검증되었으며, 마지막으로 사용자 친화적 웹 인터페이스를 구현하여 요약문과 원문 링크를 함께 제공한다.
Choi et al. (Fri,) studied this question.