프롬프트 엔지니어링 기반 ChatGPT의 토픽 모델링 자동화 구현 연구 (A Study on the Automation of Topic Modeling Using Prompt Engineering-Based in ChatGPT)

서지정보

· 발행기관 : 한국지식경영학회
· 수록지 정보 : 지식경영연구 / 26권 / 2호 / 125 ~ 148페이지
· 저자명 : 정동균, 이종화

초록

본 연구는 대화형 인공지능 모델인 ChatGPT와 프롬프트 엔지니어링(Prompt Engineering) 기법을 활용하여, 자연어 기반 지시문만으로 토픽 모델링 분석을 수행할 수 있는 방법론을 제안한다. 기존의 토픽 모델링은 LDA 등 통계 기반 알고 리즘을 활용함으로써 높은 수준의 프로그래밍 이해와 복잡한 모델 설정이 요구된다는 한계가 있다. 그러나 본 연구는 프 롬프트 엔지니어링 기법을 활용한 ""데이터 사이언티스트"" 역할 부여, 자연어 기반의 구조화한 토픽 모델링 분석 절차 정 의함으로써 GPT에 전문성을 부여하였다. 그 결과, 기존 자동화 모델에서 구현하기 어려웠던 도매인 전문성과 문맥 기반 해석에 따라 실제 뉴스 데이터를 대상으로 토픽 수 결정, 모델 선택, 시각화, 일관성 있는 분석 등 전 과정을 자동화하는 접근을 실험적으로 제시하였다. 분석과정에서 자동 생성된 파이썬 코드는 별도의 개발 환경에서 재 실행함으로써 GPT 생성 코드의 정확성과 신뢰성을 검증하였다. 또한 ChatGPT의 [지식] 기능을 통해 검증된 외부 문서 정보를 불러와 분석 의 객관성을 확보함으로써 GPT 환각(Hallucination)현상을 방지하였다. 본 연구의 GPT모델은 한글 형태소 분석, BERTopic와 같은 딥러닝 기반 토픽 모델링, OpenAPI 연동 등과 같은 ChatGPT 운영 환경에 일부 제약이 있었다. 그러 나 ChatGPT 프롬프트 기반 데이터 분석 자동화의 가능성과 ChatGPT의 실무적 활용 확장을 위한 기초 연구로서 의의를 가진다.

영어초록

This study proposes a methodology that can perform topic modeling analysis using only natural language-based instructions, utilizing ChatGPT, an interactive AI model, and Prompt Engineering techniques. Existing topic modeling has limitations in that it requires a high level of programming understanding and complex model setting by utilizing statistical-based algorithms such as LSA, LDA, and NMF. However, this study gave GPT expertise by defining a structured topic modeling analysis procedure based on natural language and assigning a ""data scientist"" role using prompt engineering techniques. As a result, we experimentally presented an approach to automating the entire process, including topic number determination, model selection, visualization, and consistent analysis, for real news data according to domain expertise and context-based interpretation, which were difficult to implement in existing automation models. The automatically generated Python code during the analysis process was re-executed in a separate development environment to verify the accuracy and reliability of the GPT generation code. In addition, the GPT Hallucination phenomenon was prevented by fetching verified external document information through ChatGPT's [knowledge] function and securing the objectivity of analysis. The GPT model of this study had some restrictions on the ChatGPT operating environment such as Korean morphological analysis, deep learning-based topic modeling such as BERTopic, and OpenAPI linkage. However, it is significant as a basic study for the possibility of automating ChatGPT prompt-based data analysis and expanding the practical use of ChatGPT.

참고자료

· 없음