LLM-RAG 기반의 자동 특허 문헌 검색 시스템

기술 혁신의 가속화로 인해 특허 문헌의 효율적인 검색 및 분류는 지적 재산 관리 및 기업 R&D에 필수적이 되었습니다. 전통적인 키워드 및 규칙 기반 검색 방법은 복잡한 쿼리 의도를 해결하거나 기술 분야 간의 의미적 연관성을 포착하는 데 종종 실패하여 불완전하고 낮은 관련성의 결과를 초래합니다. 본 연구는 대형 언어 모델(LLM)과 검색 증강 생성(RAG) 기술을 통합한 자동 특허 검색 프레임워크를 제시합니다. 이 시스템은 (1) 특허 데이터 표준화를 위한 전처리 모듈, (2) LLM이 생성한 임베딩을 활용하는 고효율 벡터 검색 엔진, (3) 외부 문서 검색과 맥락 인식 응답 생성을 결합한 RAG 향상된 쿼리 모듈의 세 가지 구성 요소로 이루어져 있습니다. 평가는 특허 출원일, 분야 및 상태와 같은 메타데이터가 포함된 수백만 개의 전 세계 특허 기록을 포함하는 Google Patents 데이터셋(2006–2024)을 기반으로 수행되었습니다. 제안된 gpt-3.5-turbo-0125+RAG 구성은 80.5%의 의미적 일치 정확도와 92.1%의 재현율을 달성하여 기존 LLM 방법보다 28% 포인트 초과하였습니다. 이 프레임워크는 또한 교차 도메인 분류 및 의미적 군집화 작업에서 강력한 일반화 능력을 보여주었습니다. 이 결과는 지능형 특허 검색을 위한 LLM-RAG 통합의 효과성을 검증하며 차세대 AI 기반 지적 재산 분석 플랫폼의 토대를 제공합니다.