GPT-4 라벨링과 Google gemma-2B 미세 튜닝을 활용한 음식 자동 주문화 앱 개발

오장민

doi:10.5626/KTCP.2024.30.8.392

추천

검색

질문

자료유형: 학술저널

저자정보: 오장민 (성신여자대학교)

저널정보: Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제30권 제8호

발행연도: 2024.8

수록면: 392 - 400 (9page)

DOI: 10.5626/KTCP.2024.30.8.392

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구에서는 매장 내 로봇이나 키오스크 등에 내장 가능한 자동 음식 주문 앱의 핵심 기술을 개발하였다. 주요 목표는 주문 문장을 분석하여 음식명, 옵션, 수량 등의 상세 주문 정보를 추출하는 생성형 언어 모델을 학습시키는 것이다. 하지만 이를 위한 레이블 데이터가 없기 때문에, OpenAI API 서비스를 이용하여 현시점 최상위 언어 모델에 속하는 GPT-4로부터 30,000여건의 데이터셋을 구축하였다. 이를 통해 휴먼 라벨러를 고용하여야 하는 비용과 관리 문제를 피하고 구축 기간을 줄일 수 있었다. 생성된 데이터셋에 대해 다수의 오픈소스 모델을 미세 튜닝하고 그 성능을 비교하였다. 모델 정확도와 생성 속도를 기준으로 Google gemma-2B의 미세 튜닝 버전을 기기 내장형 탑재 모델로 선정하고, 이를 통합한 프로토타입 앱을 아이폰 14 프로에서 구동하여 실제 적용 가능성을 입증하였다. 본 연구 결과를 매장 내 단말기에 탑재하여 음성 주문 인터페이스를 제공한다면, 사용자 경험을 크게 향상시킬 수 있을 것으로 기대된다.

#음식 주문 자동화 #생성형 언어 모델 #온디바이스 AI #미세 튜닝 #데이터셋 구축 #automatic food ordering #generative language models #on-device AI #fine-tuning #dataset construction

참고문헌 (32)

참고문헌 신청

A. Radford, K. Narasimhan, T. Salimans, and I. Sutskever, “Improving Language Understanding by Generative Pre-training,” OpenAI Blog, https://openai.com/blog/language-unsupervised/

A. Radford, J. Wu, R. Child, D. Luan, D. Amodei, and I. Sutskever, “Language Models Are Unsupervised Multitask Learners,” OpenAI Blog, https://openai.com/research/better-language-models/, 2019.

B. Mann, N. Ryder, M. Subbiah, J. Kaplan, P. Dhariwal, A. Neelakantan, P. Shyam, G. Sastry, A. Askell, S. Agarwal, and A. Herbert-Voss, “Language Models Are Few-shot Learners,” arXiv:2005.14165, 2020.

ChatGPT, [Online], Available: https://chat.openai.com/, 2022.

L. Ouyang, J. Wu, X. Jiang, D. Almeida, C. L. Wainwright, P. Mishkin, C. Zhang, S. Agarwal, K. Slama, A. Ray, J. Schulman, J. Hilton, F. Kelton, L. Miller, M. Simens, A. Askell, P. Welinder, P. Christiano, J. Leike, and R. Lowe, “Training Language Models to Follow Instructions with Human Feedback,” arXiv:2203.02155, 2022.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

대학 구내식당 식사 인원 예측을 위한 머신러닝 기반 모델 및 웹 앱 개발

정광원 , 김기원 한국컴퓨터정보학회논문지 2024 .12

맛집 리스트 앱 개발

조규철 , 이설희 한국컴퓨터정보학회 학술발표논문집 2022 .07

모바일 웹/앱 배달 시스템 개발

장은겸 , 이태현 , 장진우 한국컴퓨터정보학회 학술발표논문집 2022 .01

공공데이터를 활용한 안전지수 기반 안전한 이동 지원 앱 개발

김기원 , 최우빈 , 김세호 외 2명 한국컴퓨터정보학회 학술발표논문집 2024 .07

청각장애인을 위한 스마트워치 앱 개발

이지윤 , 김인규 , 김대현 외 2명 한국컴퓨터정보학회 학술발표논문집 2024 .07

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (32)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)