콘텐츠 본문
논문 국내 국내전문학술지(KCI급) 임베딩 기반 유사도 측정을 통한 수입 물품의 HS 코드 추천 시스템
- 학술지 구분 국내전문학술지(KCI급)
- 게재년월 2025-08
- 저자명 김형욱, 김건우, 최근호
- 학술지명 Information Systems Review
- 발행처명 한국경영정보학회
- 발행국가 국내
- 논문언어 한국어
- 전체저자수 3
- 연구분야 사회과학 > 경영학
논문 초록 (Abstract)
최근 AI 기술, 특히 ChatGPT와 같은 대규모 언어 모델(LLM)은 인간과 기계 간 상호작용에 큰 변화를 가져왔다. 이러한 AI 모델은 자연어를 이해하고 다양한 데이터 형식을 처리하며 명령을 실행할 수 있다. 한편, 전자상거래와 국제 무역의 급속한 확장으로 인해 세관 당국의 업무량이 증가하면서 정확한 HS 코드 분류는 공정한 관세 부과를 위해 필수적이다. 하지만 수작업 분류는 전문가의 지식이 필요하여 시간과 비용 측면에서 비효율적일 수 있다. 본 연구에서는 SBERT을 활용한 자동 HS 코드 추천 시스템을 제안하였다. SBERT 기반 임베딩을 통해 법령 및 해설서 등 원천 데이터와 테스트 데이터 간 유사도를 측정하여 추가 학습 없이 HS 코드를 추천하는 방식이다. 또한, 실제 사례 데이터를 활용한 비교 분석을 수행하였다. 다양한 SBERT 모델을 적용하여 모델 및 데이터 특성에 따른 정확도를 평가하고, 기존 연구에서 제기된 지속적인 학습 요구와 클래스별 제약 문제를 해결할 방안을 제시하였다. 본 연구의 결과는 AI 기반 HS 코드 분류 및 검색 시스템에 적용되어 세관 행정 업무의 효율성을 높이는 데 기여할 것으로 기대된다.
