Developing Domain-Specific Word Embeddings from Unstructured User-Generated Texts in 3D Printing

최근 3D 프린팅 기술의 확산으로 온라인 커뮤니티의 사용자 생성 비정형 데이터가 급증하고 있으나, 전문 용어와 구어적 표현이 혼재되어 체계적 분석에는 한계가 있다. 특히 범용 코퍼스를 기반으로 학습된 임베딩 모델은 3D 프린팅 도메인 특유의 기술적 맥락과 오류 서술의 의미 구조를 충분히 반영하지 못한다. 이에 본 연구는 3D 프린팅 온라인 커뮤니티의 대규모 비정형 텍스트로 Word2Vec Skip-gram 기반 도메인 특화 단어 임베딩 모델을 구축하고, 공정 및 오류 관련 핵심 어휘의 의미 관계를 벡터 공간에 투영하였으며, 성능 검증을 위해 실제 출력 오류인 ‘Stringing(거미줄 현상)’을 판별하는 분류 실험을 수행했다. 이를 위해 키워드 필터링 기반으로 구축한 60,346건의 검증 데이터셋과 모델별 ROC 분석 기반 최적 임계치를 적용하여, GloVe, FastText, SBERT 계열의 범용 모델 3종과 비교한 결과, 제안 모델은 동일 계열의 범용 단어 임베딩 대비 F1-score가 약 16%p 향상되는 경향을 보였으며, 재현율 0.74로 문장 임베딩 모델에 근접하거나 이를 상회하는 결과를 확인하였다. 본 연구는 향후 3D 프린팅 분야의 텍스트 기반 오류 진단 및 지식 구조화 연구를 위한 기초 언어 자원으로 활용될 수 있을 것으로 기대된다.