LLM-based Extractive and Abstractive Korean Meeting Summarization with Topic Decomposition
Abstract
본 논문에서는 주어진 회의 내용을 특정 주제에 맞게 요약하는 거대언어모델 기반 추출-생성 프레임워크를 제안한다. 주제는 회의 내용에서 중심이 되는 개념을 의미하며, 내용 전반을 함축적인 단어나 구문으로 표현하기 때문에 모델 추론에 직접 활용하기 어렵다. 이와 같은 어려움을 해결하기 위해 본 연구에서는 Chain-of-Thought (CoT)기반 분해 기법을 통해 주어진 주제를 의미대로 해석하고, 이를 기반으로 추출-생성 요약을 수행한다. 또한 긴 회의 내용으로부터 주제 요약에 의미있는 문장을 선별하기 위해 추출 요약에 long-context retriever 기반 인코더를 사용한다. 실험 결과, 본 논문에서 제안한 추출-생성 요약 프레임워크가 Rouge-1 43.65를 달성하여 주어진 주제에 적합한 회의 요약을 수행하기에 효과적임을 확인하였다.
Fields of Study & Subjects
Topic Modeling
Advanced Text Analysis Techniques
Natural Language Processing Techniques
Publication details
- Journal / source
- Journal of KIISE
- Volume
- 53
- Issue
- 1
- Pages
- 22–31
- Publication date
- 31 January 2026
- Language
- EN