건설 사양서로부터 계약상의 위험 정보를 탐지하는 것은 건설 프로젝트를 성공적으로 수행하는 데 매우 중요하다. 본 논문은 자연어 처리 분야에서 Bidirectional Encoder Representations from Transformers(BERT) 방법을 이용한 조항 분류(clause classification)를 기술한다. 문헌 검토를 통해 지불, 시간, 절차, 안전, 역할 및 책임, 정의, 참고(reference)를 포함한 7가지 위험 범주를 도출하였다. 56개의 건설 사양서에서 2807개의 조항을 사용하여, BERT 기반 조항 분류 모델은 검증(validation)에서 0.889의 정확도, 테스트(testing)에서 0.934의 F1 점수를 통해 주목할 만한 성능을 산출한다. 본 모델은 서포트 벡터 머신(support vector machine)과 단순한 딥 뉴럴 네트워크(simple deep neural network)를 포함한 다른 기계 학습 방법들과의 조항 분류 성능 비교를 통해 평가되었으며, 모든 위험 범주에서 우수한(dominant) 성능을 보인다. 건설 산업의 실무자들은 본 연구의 주요 수혜자이며, 본 모델은 건설 프로젝트 기간 동안의 건설 사양서 검토 프로세스와 위험 관리(risk management)를 개선하는 데 기여할 것으로 기대된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.