A Framework for Automated Construction Specification Generation and Utilization based on Natural Language Processing = 자연어 처리 기반 공사시방서 작성 자동화 및 활용 프레임워크

다국어 초록 (Multilingual Abstract)

Construction specifications are key documents that guide construction activities and play a critical role in project success. However, because they are generated by manually collecting and merging content from large volumes of Korean Construction Specifications (KCS), the process is time-consuming and prone to errors. In addition, extensive numerical requirements, construction methods, and conditions impose a significant cognitive burden on users, limiting effective utilization in practice.
To address these limitations, this study proposes a comprehensive framework consisting of: a natural language processing–based approach for automated construction specification generation; a conflict clause classification model integrating Information Retrieval (IR) techniques and Large Language Models (LLMs); and an automated construction quality checklist generation and compliance checking system based on digitalized KCS clauses.
Experimental results indicate that the automatically generated construction specifications achieved a Levenshtein similarity score of 0.99 compared to manually generated documents, with qualitative assessment confirming high structural completeness. The conflict clause classification model achieved an nDCG@10 of 0.92, an F1-score of 0.88, and a BERTScore of 0.73. In addition, 435 clauses from 39 KCS documents in the bridge domain were digitalized to establish an automated construction quality checklist and compliance checking system.
Overall, the proposed framework improves the efficiency and accuracy of construction specification generation and enhances practical usability, providing a systematic foundation for construction quality management.

국문 초록 (Abstract)

공사시방서는 시공의 기준이 되는 문서로서, 건설 프로젝트의 성공을 위해 핵심적인 역할을 수행한다. 그러나 방대한 분량의 표준시방서에서 수동으로 프로젝트에 필요한 내용을 수집·병합하여 작성하므로 많은 시간이 소요되며, 필수 조항 누락과 같은 오류가 자주 발생한다. 또한 작성 이후에도 프로젝트 특성에 따라 조항이 추가·수정됨에 따라 문서 내용이 지속적으로 변경된다. 아울러 공사시방서는 다양한 수치, 대상, 공법, 조건 등을 포함하고 있기에 사용자가 이를 해석하고 활용하는 데 상당한 노력이 요구된다. 이러한 이유로 공사시방서는 매우 중요한 문서임에도 불구하고 현장에서의 활용성은 낮다.
이러한 한계를 해결하기 위하여, 본 연구는 자연어 처리 기반의 공사시방서 자동 작성 프레임워크, 정보 검색 기법과 거대 언어 모델을 활용한 상충 조항 분류 모델, 디지털화된 표준시방서를 활용한 시공 품질 체크리스트 자동 생성 및 검토 프레임워크를 제안한다.
실험 결과, 자동으로 작성된 공사시방서는 수동으로 작성된 공사시방서와의 레벤슈타인 유사도에서 0.99의 값을 보였으며, 정성적 평가에서도 구조적 완전성이 우수한 것으로 확인되었다. 상충 조항 분류 모델은 nDCG@10 0.92, F1-score 0.88, BERTScore 0.73을 달성하였으며, 교량 분야 표준시방서 39종 중 총 435개의 조항을 디지털화하여 시공 품질 체크리스트 자동 생성 및 적합성 검토 체계를 구축하였다.
제안된 프레임워크는 공사시방서 작성의 효율성과 정확도를 높이고, 현장에서의 공사시방서 활용성을 높여 시공 품질을 체계적으로 확보할 수 있는 기반을 제공할 수 있다.

목차 (Table of Contents)

• Chapter 1. Introduction 1
• 1.1 Research Background 1
• 1.2 Problem Statement 7
• 1.3 Research Objective 8
• 1.4 Research Scope and Process 12
• Chapter 2. Literature Review 13
• 2.1 Data Sources for Construction Specifications 13
• 2.1.1 Korean Construction Specifications 13
• 2.1.2 Special Specifications 17
• 2.2 Automated Document Generation 18
• 2.2.1 Current Practice 18
• 2.2.2 Previous Research 19
• 2.3 Utilization of Construction Documents 21
• 2.3.1 Deep Learning-based Approach 21
• 2.3.2 Large Language Model-based Approach 22
• 2.4 Limitations of Previous Research 23
• Chapter 3. Framework for Automated Construction Specification Generation 25
• 3.1 Data Preparation 25
• 3.1.1 Data Collection 26
• 3.1.2 Data Preprocessing 27
• 3.2 Content Collection Automation 30
• 3.2.1 KCSC API 30
• 3.2.2 KCS Content Collection 30
• 3.3 Content Merging Automation 33
• 3.3.1 Content Merging 33
• 3.3.2 Restructuring 35
• 3.4 Evaluation 38
• 3.4.1 Qualitative Evaluation 39
• 3.4.2 Quantitative Evaluation 41
• Chapter 4. Framework for Construction Specification Utilization 44
• 4.1 Conflict Clause Classification 44
• 4.1.1 Data Preparation 45
• 4.1.2 Model Selection 47
• 4.1.3 Information Retrieval 49
• 4.1.4 Binary Classification 53
• 4.1.5 Reasoning 58
• 4.1.6 Evaluation 59
• 4.1.7 Implementation Results 64
• 4.2 Construction Quality Checklist Generation 66
• 4.2.1 Digitalization of KCS 66
• 4.2.2 Checklist Generation 71
• 4.2.3 Compliance Checking 72
• 4.2.4 Implementation Results 72
• 4.2.5 Implementation Contributions 74
• Chapter 5. Conclusions 75
• 5.1 Summary 75
• 5.2 Contributions and Future Research 76
• 5.2.1 Contributions 76
• 5.2.2 Limitations and Future Research 77
• Bibliography 78
• Abstract (Korean) 83