BROWSE
Detail
Conference Paper
Score Alignment 기법과 LoRA 파인튜닝을 이용한 한국어 에세이 자동 채점 연구
Cited - time in 
Share 
Share
- Issue Date
- 2026-05
- Citation
- Annual Symposium of KIPS (ASK) 2026, pp.915-918
- Publisher
- 한국정보처리학회
- Language
- Korean
- Type
- Conference Paper
- Abstract
- 본 연구는 한국어 에세이 자동 평가(AES) 성능 향상을 위해 2 종 한국어 에세이 데이터셋(국립 국어원 글쓰기 채점 말뭉치, 한국어 학습자 말뭉치)에 대해 사전학습 언어모델 기반 자동 채점 모 델을 구축하고 2 단계 LoRA 미세조정(Two-Stage Fine-Tuning with LoRA) 및 점수 정렬 기법(Score Alignments, SA)의 효과를 비교·분석하였다. mBERT, KoBERT, KoELECTRA, Funnel-Kor 4 개의 사전학 습 언어모델을 적용하여 5-fold 교차검증으로 QWK 를 계산해 성능 평가한 결과, baseline 대비 LoRA 와 SA 를 함께 적용한 경우 대부분의 모델에서 최고 성능을 달성하였다. 또한, 한국어 학습자 말뭉 치에서 Holistic 0.694, 글쓰기 채점 말뭉치에서 0.655 로 Funnel-Kor 에서 baseline 대비 각각 0.155, 0.054 향상되는 우수한 성능을 보였다. 본 연구는 공개 데이터 중심으로 제한되었던 기존 한국어 AES 연구 범위를 확장하고, 데이터 조건에 따른 모델 성능 편차를 정량적으로 제시한다.
- KSP Keywords
- Two-Stage, fine-tuning, score alignment