ELECTRA 기반 텍스트 증강 기법을 활용한 회계 데이터 분류 모델 개발

국문 초록 (Abstract)

오늘날 미디어 산업은 급격한 디지털 전환을 겪고 있으며, 넷플릭스와 유튜브 같은 글로벌 플랫폼이 국내 OTT 및 광고 시장을 주도하면서 산업 전반에 큰 영향을 미치고 있다. 이러한 환경 변화에 대응하기 위해 국내 미디어 기업은 연구 개발 및 기술 혁신을 추진해야 할 필요가 있으며, ICT 기금(방송통신발전기금 + 정보통신진흥기금)은 이를 지원하는 재원으로 기능하고 있다. 그러나 ICT 기금 연구는 OTT 및 디지털 플랫폼 사업자에 대한 징수 범위 확대 논의가 주로 다루어져 왔을 뿐, 기금 집행 이후의 회계 투명성 확보 및 효율성 제고를 위한 실질적 방안은 제시되지 못하였다. 현재 ICT 기금의 집행 내역은 한국방송통신전파진흥원(KCA)이 수작업으로 감사하고 있으며, 이는 담당자의 전문성 및 경험에 의존함으로써 업무 부담 증가, 분석 결과의 주관성, 효율성 저하 등의 문제를 초래할 가능성이 있다. 이에 본 연구는 ICT 기금의 집행 내역을 ‘정상집행’과 ‘불인정’으로 자동 분류하는 인공지능(AI) 기반 회계 분류 모델을 개발하고자 한다. 특히 ICT 기금 데이터는 불인정 사례가 소수이기에, 소수 클래스를 학습하기 위한 텍스트 증강 기법이 필요하다. 본 연구에서는 이러한 문제를 해결하기 위해 ELECTRA의 RTD(Replaced Token Detection) 구조를 활용한 텍스트 증강 기법인 ELECTRA Tagging을 제안한다. 실험 결과, 말뭉치 기반 증강 및 기존 MLM 기반 증강 기법보다 ELECTRA Tagging 기법을 적용했을 때 불인정 클래스의 Recall과 F1-score가 향상된 것으로 나타났다. 이는 ELECTRA Tagging이 원본 텍스트와 유사하며 모델을 속일 수 있을 만큼 자연스러운 인공 텍스트를 생성하는 기법임을 시사한다. 또한 본 연구는 ICT 기금 분야에서 상대적으로 미흡했던 회계 투명성 및 감사 효율성 향상을 위한 실무적 접근을 제시하였다는 점에서 의의가 있다.

다국어 초록 (Multilingual Abstract)

The media industry is undergoing a rapid digital transformation, with global platforms such as Netflix and YouTube dominating the domestic OTT and advertising markets and exerting significant influence on the overall industry landscape. To adapt to these changes, Korean media organizations must actively pursue research, development, and technological innovation, supported in part by the ICT Funds—comprising the Broadcasting and Communications Development Fund and the Information and Communications Promotion Fund. However, prior research on ICT Funds has primarily focused on expanding the levy scope to include OTT and digital platform operators, while practical approaches to ensuring accounting transparency and improving post-expenditure audit efficiency have remained largely unexplored. Currently, the expenditure records of ICT Funds are manually audited by the Korea Communications Agency (KCA), which increases the workload of auditors and introduces risks of subjectivity and inefficiency due to reliance on individual expertise and experience. To address these challenges, this study proposes an AI-based accounting classification model that automatically categorizes ICT Fund expenditure records into ‘normal execution’ and ‘irregular execution’. Given that instances of irregular execution constitute a minority, an effective text augmentation method is required to improve model performance under severe class imbalance. To this end, this study introduces ELECTRA Tagging, a text augmentation technique utilizing ELECTRA’s Replaced Token Detection (RTD) architecture. Experimental results demonstrate that ELECTRA Tagging improves recall and F1-score for the minority (irregular) class compared to corpus-based and traditional MLM-based augmentation methods. These findings indicate that ELECTRA Tagging generates synthetic text that is both highly natural and sufficiently like original data to enhance model learning in imbalanced scenarios. This study provides a practical and novel approach to improving accounting transparency and audit efficiency in the ICT Fund domain, an area that has received limited attention in previous research.

목차 (Table of Contents)

• Ⅰ. 서론 1
• Ⅱ. 선행연구 검토 5
• 1. 미디어 산업의 특수성과 ICT 기금 운용 5
• 2. 인공지능을 활용한 회계 및 감사 데이터 분석 10
• 1) 머신러닝을 활용한 금융 데이터 분석 11
• 2) 딥러닝을 활용한 금융 데이터 분석 15
• 3. 데이터 불균형 보완 방법 22
• 1) 이벤트 감지 분야에서의 텍스트 증강 23
• (1) 문장 수준의 텍스트 증강 기법 23
• (2) 단어 수준의 텍스트 증강 기법 26
• (3) 자동화된 텍스트 증강 기법 30
• 2) 개체명 인식 분야에서의 텍스트 증강 32
• (1) 글로벌 수준의 텍스트 증강 기법 33
• (2) 로컬 수준의 텍스트 증강 기법 35
• Ⅲ. 제안 기법 38
• 1. ELECTRA 38
• 2. ELECTRA TAGGING 40
• Ⅳ. 연구방법 44
• 1. 실험 데이터 44
• 2. 분류 모델 46
• Ⅴ. 결과 52
• Ⅵ. 결과 및 논의 58
• 1. 결과 해석 58
• 2. 연구의 시사점 및 향후 연구 방향성 60