earticle

영어

In this study, a financial terminology question-answering system was developed using Retrieval- Augmented Generation (RAG). The system was designed based on the ChatGPT model, which has demonstrated high performance in the financial domain. The dataset used included 700 economic and financial terms from the Bank of Korea and 70 key questions from the TESAT exam. The framework enables multi-turn interactions with users by training ChatGPT with predefined templates and contextual information. Furthermore, the system is designed to promote linked learning and enhance user engagement through a search query recommendation feature.

한국어

본 연구에서는 Retrieval-Augmented Generation (RAG)을 활용하여 금융 용어 질의응답 시스템을 개발하였다. 본 시스템은 금융 분야에서 높은 성능을 입증 받은 ChatGPT 모델을 기반으로 설계되었다. 데이터셋으로는 한국은행의 경제․금융용어 700선과 TESAT 핵심 문항 70선을 활용하였다. 해당 프레임워크는 ChatGPT가 사전에 정의된 템플릿과 맥락 정보를 학습하여 사용자와의 다중 턴 상호작용을 가능하게 하는 방식으로 설계되었다. 또한, 본 시스템은 검색어 추천 기능을 통해 연계 학습(linked learning)을 촉진하고 사용자 참여도를 향상시키도록 구성되었다.