hbyang 0472ae1f8a 2단계 고도화 선행 작업: 군집화·요약·평가환경·데이터 스펙 (데이터 수령 전)

컴북스 데이터 수령 전 가능한 작업을 선행 구현. 데이터 도착 즉시
학습·검증에 착수할 수 있도록 알고리즘·평가 하니스·문서를 준비.

알고리즘/파이프라인:
- engine/clustering.py: 군집화 기반 부분 표절(요소 교체) 판별,
  detect 응답에 partial_signal 필드 노출 (계획서 2단계 표절검출 고도화)
- engine/summarizer.py + POST /v1/summary: TextRank 추출적 요약 +
  통합(LLM) 골격 (과제2 ② 스토리 요약/분석)
- engine/preference.py + scripts/build_preference_dataset.py:
  Human Feedback 선호학습(DPO) 데이터 파이프라인 골격

평가 하니스 (정답셋 도착 즉시 측정):
- engine/rouge.py + scripts/eval_rouge.py: 요약 ROUGE (지표 No.7)
- engine/metadata_eval.py + scripts/eval_metadata_f1.py: 메타 추출 F1
  (지표 No.3, KLUE NER 호환)
- engine/case_coverage.py + scripts/analyze_case_coverage.py:
  39 케이스 갭 분석 → 컴북스 데이터 요청 목록 (정밀도 97% 근거)

문서:
- docs/DATA_REQUEST_SPEC.md: 요청 데이터 스펙 + 요약 정답셋/HF 라벨 가이드
- docs/INTEGRATION_INTERFACE.md: 2단계 통합 인터페이스
- docs/SW_COPYRIGHT_REGISTRATION.md: SW 저작권 등록 준비
- docs/PHASE2_PROGRESS.md, docs/CASE_COVERAGE.md

테스트 31 → 67건 전부 통과.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

2026-06-18 13:16:07 +09:00

3.3 KiB

Raw Blame History

39개 침해 케이스 커버리지 갭 분석

전체 케이스: 39
엔진 탐지 대상: 10
평가 샘플 보유(covered): 0
탐지 대상이나 데이터 없음(요청 대상): 10
커버리지: 0.0%

case_id	subgroup	actor	탐지대상	상태
A1	A-1 외부 텍스트 인용·수록	저자(가해)	O	detectable_no_data
A2	A-1 외부 텍스트 인용·수록	저자(가해)	O	detectable_no_data
A3	A-1 외부 텍스트 인용·수록	저자(가해)	O	detectable_no_data
A4	A-1 외부 텍스트 인용·수록	저자(가해)	O	detectable_no_data
A5	A-1 외부 텍스트 인용·수록	저자(가해)	O	detectable_no_data
A6	A-2 타인 자서전·회고	저자(가해)	-	out_of_engine_scope
A7	A-2 타인 자서전·회고	저자(가해)	-	out_of_engine_scope
A8	A-2 타인 자서전·회고	저자(가해)	-	out_of_engine_scope
A9	A-2 타인 자서전·회고	저자(가해)	-	out_of_engine_scope
A10	A-2 타인 자서전·회고	저자(가해)	-	out_of_engine_scope
A11	A-2 타인 자서전·회고	저자(가해)	-	out_of_engine_scope
A12	A-2 타인 자서전·회고	저자(가해)	-	out_of_engine_scope
A13	A-3 구술·강연·녹음	저자(가해)	-	out_of_engine_scope
A14	A-4 학술·교육 자료	저자(가해)	-	out_of_engine_scope
A15	A-4 학술·교육 자료	저자(가해)	-	out_of_engine_scope
A16	A-5 번역물	저자(가해)	-	out_of_engine_scope
A17	A-6 이미지·시각 자산	저자(가해)	-	out_of_engine_scope
A18	A-6 이미지·시각 자산	저자(가해)	-	out_of_engine_scope
A19	A-6 이미지·시각 자산	저자(가해)	-	out_of_engine_scope
A20	A-6 이미지·시각 자산	저자(가해)	-	out_of_engine_scope
A21	A-7 음원·영상	저자(가해)	-	out_of_engine_scope
A22	A-8 디지털 사적 통신	저자(가해)	-	out_of_engine_scope
A23	A-9 사후·고인 자료	저자(가해)	-	out_of_engine_scope
A24	A-10 AI 도구 사용	저자(가해, 비의도)	O	detectable_no_data
A25	A-10 AI 도구 사용	저자(가해, 비의도)	O	detectable_no_data
A26	A-10 AI 도구 사용	저자(가해)	-	out_of_engine_scope
A27	A-11 대필	저자·플랫폼	-	out_of_engine_scope
B1	B 저자(피해)	저자(피해)	O	detectable_no_data
B2	B 저자(피해)	저자(피해)	O	detectable_no_data
B3	B 저자(피해)	저자(피해)	-	out_of_engine_scope
B4	B 저자(피해)	저자(피해)	-	out_of_engine_scope
C1	C 플랫폼	플랫폼	-	out_of_engine_scope
C2	C 플랫폼	저자·플랫폼	-	out_of_engine_scope
C3	C 플랫폼	플랫폼	-	out_of_engine_scope
D1	D 다른 사용자	다른 사용자	O	detectable_no_data
E1	E 유족	유족	-	out_of_engine_scope
E2	E 유족	유족	-	out_of_engine_scope
X1	X 분류체계 외	저자(가해)	-	out_of_engine_scope
X2	X 분류체계 외	저자(가해)	-	out_of_engine_scope

3.3 KiB Raw Blame History

39개 침해 케이스 커버리지 갭 분석

3.3 KiB

Raw Blame History