Constructing a Korean Knowledge Graph Using Zero Anaphora Resolution and Dependency Parsing

본 연구는 생략어 복원, 의존구문분석, 그리고 ChatGPT를 활용하여 한국어 지식그래프 구축을 위한 새로운 접근 방안을 제안한다. 한국어 언어적 특성상 발생하는 성능 제약에 대한 해결방안으로 생략어 복원과 의존구문분석을 결합한 프롬프트 엔지니어링을 적용하였다. 본 연구에서 제안하는 "Ko-Triple Extraction" 과정을 통해 문장에서 생략된 정보를 복원하고 의존 구조를 분석하여 정교하고 정확한 트리플 구조를 추출하였다. 연구 결과, 본 연구에서 제안한 방법은 한국어 처리의 효율성과 정확성을 크게 향상시켰으며, 트리플의 적합성을 평가하여 유효성을 검증하였다. 향후 연구에서 "Ko-Triple Extraction"을 다양한 산업 분야에 적용하고, 지식 그래프의 확장 및 연결성을 통해 실질적인 비즈니스 인사이트를 도출하고자 한다. 본 연구는 한국어 텍스트 처리를 위한 기반 연구로서의 의의를 가지며, 분야에서의 한국어 활용도를 높이는 데 중요한 기여를 할 것으로 기대된다. This study introduces a novel approach to creating a Korean-based knowledge graph by employing zero anaphora resolution, dependency parsing, and knowledge base extraction using ChatGPT. In order to overcome the limitations of conventional language models in handling the grammatical and morphological characteristics of Korean, this research incorporates prompt engineering techniques that combine zero anaphora resolution and dependency parsing. The main focus of this research is the "Ko-Triple Extraction" method, which involves restoring omitted information in sentences and analyzing dependency structures to extract more sophisticated and accurate triple structures. The results demonstrate that this method greatly enhances the efficiency and accuracy of Korean text processing, and the validity of the triples has been confirmed through precision metrics. This study serves as fundamental research in the field of Korean text processing and suggests potential applications in various industries. Future research aims to apply this methodology to different industrial sectors and by expanding and connecting knowledge graph, generate valuable business insights. This approach is expected to contribute significantly make an important contribution not only to the advancement of natural language processing technologies but also to the effective of Korean in the field of artificial intelligence.