AI-Based Situation Classification and Automated Document Provision System for Banking Services

은행 서비스를 위한 인공지능 기반 상황 분류 및 문서 자동 제공 시스템

참고문헌 표기 Citation

• KITPA Style: 장동민, 박주영, 곽동헌, "AI-Based Situation Classification and Automated Document Provision System for Banking Services", 한국정보기술진흥원 학술지, Vol. 2, No. 2, pp. 73-82, 2025.
• APA 7th Style: Dongmin, J., Juyoung, P., & Ryan, K. (2025). AI-Based Situation Classification and Automated Document Provision System for Banking Services. Korea Information Technology Promotion Agency Journal, 2(2), 73-82.
• APA 7th Style (KR): 장동민, 박주영, 곽동헌. (2025). AI-Based Situation Classification and Automated Document Provision System for Banking Services. 한국정보기술진흥원 학술지, 2(2), 73-82.

저자 Author

장동민*, 박주영*, 곽동헌*
* 용인한국외국어대학교부설고등학교

Dongmin Jang*, Juyoung Park*, Ryan Kwak*
* Hankuk Academy of Foreign Studies

초록 Abstract

본 연구는 한국 금융 부문에 특화된 AI 기반 문서 추천 시스템을 소개한다. 이 시스템은 다국어 의도 분류와 시맨틱 검색을 통합하며, 15가지 은행 관련 사용자 의도로 미세 조정된 BERT 기반 분류기와 Sentence-BERT (SBERT) 임베딩 모델을 활용한다. 이를 통해 사용자 질의를 정확하게 식별하고 가장 맥락적으로 관련성 높은 문서를 검색한다. 문서는 Elasticsearch를 통해 색인되며, 시스템은 벡터 기반 검색을 통한 코사인 유사도 점수 산정을 사용하여 미묘하거나 다양한 자연어 표현에도 불구하고 매우 적절한 문서 매칭을 가능하게 한다. 나아가 본 연구는 의도 클래스 확장, 심층 신경망 아키텍처 도입, YAKE 기반 키워드 추출 통합과 같은 한계점과 개선 방향을 탐색한다. 다국어 기능은 또한 글로벌 확장 가능성을 크게 높인다. 궁극적으로 이 연구는 금융과 같이 정보 민감도가 높은 분야에 지능형 비서 시스템을 적용하는 것이 실현 가능하며, 이를 통해 고객 만족도와 기관 효율성을 모두 향상시킬 수 있음을 강조한다.

This study introduces an AI-powered document recommendation system specifically designed for the Korean banking sector. The system integrates multilingual intent classification with semantic search, leveraging a fine-tuned BERT-based classifier trained on 15 banking-related user intents and a Sentence-BERT (SBERT) embedding model. By doing so, it accurately identifies user queries and retrieves the most contextually relevant documents. Documents are indexed via Elasticsearch, and the system employs cosine similarity scoring through vector-based search, enabling highly pertinent document matches even with nuanced or varied natural language expressions. Furthermore, the research explores limitations and enhancement directions, such as expanding intent classes, introducing deeper neural architectures, and integrating YAKE-based keyword extraction. Its multilingual capability also offers significant potential for global scalability. Ultimately, this work underscores the feasibility of applying intelligent assistant systems in high-volume, information-sensitive domains like finance, thereby enhancing both customer satisfaction and institutional efficiency.

키워드 Keyword

AI, 문서 추천 시스템, 금융, BERT, SBERT, 시맨틱 검색, 벡터 검색, 효율성

AI, Document Recommendation System, Finance, BERT, SBERT, Semantic Search, Vector Search, Efficiency