Verified Source Database - 검증된 출처 데이터베이스

개요

Verified Source Database는 출처의 신뢰도를 자동으로 평가하고, 분야별 최적 출처를 추천하는 전문 스킬입니다. 700+ 검증된 출처 데이터베이스를 기반으로 즉시 신뢰도를 판단합니다.

핵심 특징:

• 🎯 출처 자동 평가: URL만 보고 신뢰도 점수 부여
• 📚 700+ 검증된 출처: 학술, 기술, 통계, AI/ML 전문 저장소
• 🚫 제외 출처 자동 필터링: 신뢰할 수 없는 출처 경고
• 🔍 분야별 최적 출처 추천: 의학, 공학, AI 등 분야별 최고 출처
• ⚖️ 신뢰도 가중치: 1차(1.0), 2차(0.6), 3차(0.3) 출처 구분
• 🇰🇷 한국 출처 통합: RISS, KOSIS, 공개SW포털 등

핵심 기능

1. 출처 자동 평가

URL 기반 즉시 평가:

Input: "이 출처 신뢰도: nature.com/articles/..."

Output:
🟢 **1차 출처 (Primary)** | 신뢰도: 1.0

## 평가 결과
- **출처**: Nature
- **분류**: 전문 학술 저널
- **신뢰도**: 최고 (Tier 1)
- **Impact Factor**: 다수 (분야별 상이)
- **검증**: Peer-reviewed

## 적합 사용
✅ 학술 연구 인용
✅ 기술 블로그 참고
✅ 뉴스 기사 근거

## 주의사항
- 원문 링크 확인 필수
- 발행일 확인 (최신성)

도메인 자동 인식:

• .gov, .go.kr → 1차 출처 (1.0)
• ieee.org, acm.org → 1차 출처 (1.0)
• scholar.google.com → 검증 필요 (논문별 상이)
• medium.com → 3차 출처 또는 제외 (저자 검증 필요)

2. 분야별 최적 출처 추천

패턴:

"[분야] 신뢰할 수 있는 출처"
"[분야] 최고 저널"
"[분야] 데이터 출처"

예시:

Input: "AI/ML 연구를 위한 최고 출처"

Output:
🟢 **검증 완료** | 7개 카테고리

## 학술 논문 (Top 5)
1. **Nature Machine Intelligence** (IF: 25.9)
   - 신뢰도: 1.0
   - 검증: Peer-reviewed
   - 링크: nature.com/natmachintell/

2. **IEEE TPAMI** (IF: 24.3)
   - 신뢰도: 1.0
   - 검증: Double-blind review

3. **ICML** (Conference)
   - 신뢰도: 1.0
   - Accept Rate: ~20%

4. **NeurIPS** (Conference)
   - 신뢰도: 1.0
   - Accept Rate: ~20%

5. **CVPR** (Computer Vision)
   - 신뢰도: 1.0
   - Accept Rate: ~25%

## AI/ML 저장소
1. **Hugging Face** (huggingface.co)
   - 모델 70만+ 개
   - 기업 공식 모델 (Meta, Google, Microsoft)
   - 신뢰도: 0.9

2. **Papers with Code** (paperswithcode.com)
   - 논문 + 재현 코드
   - SOTA 벤치마크
   - 신뢰도: 1.0

## 기술 문서
1. **arXiv** (arxiv.org)
   - 프리프린트 (⚠️ 미심사)
   - 신뢰도: 0.6 (후속 학회 발표 확인 필수)

2. **Google Scholar**
   - 인용 100+ 우선
   - 신뢰도: 논문별 상이

## 산업 리포트
1. **Gartner** (가트너)
   - Magic Quadrant
   - 신뢰도: 0.8 (유료)

2. **McKinsey Insights**
   - 산업 분석
   - 신뢰도: 0.7

## 통계 데이터
1. **Papers with Code Datasets**
   - 공개 데이터셋
   - 신뢰도: 1.0

## 뉴스/매체 (Tier 1)
1. **MIT Technology Review**
   - 심층 분석
   - 신뢰도: 0.8

2. **IEEE Spectrum**
   - 기술 뉴스
   - 신뢰도: 0.8

## 한국 출처
1. **AI타임스** (aitimes.com)
   - AI 전문 매체
   - 신뢰도: 0.6

3. 제외 출처 자동 필터링

자동 경고 시스템:

Input: "이 출처 괜찮나요? youtube.com/watch?v=..."

Output:
🔴 **제외 출처 (Excluded)** | 신뢰도: 0.0

## 경고
⚠️ 개인 YouTube는 1차 출처로 사용 금지

## 이유
- 검증되지 않은 개인 의견
- Peer review 없음
- 편집 가능 (삭제/수정)

## 예외 조건
✅ 대학 공식 채널
✅ 기업 공식 채널 (Google AI, Microsoft Research 등)
✅ 정부 공식 채널

## 대안 출처
- 해당 내용의 원본 논문 검색
- 공식 기술 블로그 확인
- 학술 DB 검색 (Google Scholar, IEEE)

자동 필터링 목록:

🔴 절대 사용 금지:

• 개인 YouTube (공식 채널 제외)
• 위키백과 (1차 출처로만 금지, 각주는 OK)
• Medium/Substack (전문가 검증 불가 시)
• SNS 개인 게시물 (트위터, 페이스북, 인스타그램)
• 출처 불명 블로그 (저자, 참고문헌 없음)

⚠️ 주의 사용 (검증 강화):

• arXiv, bioRxiv (후속 발표 확인)
• 기업 블로그 (Engineering vs Marketing 구분)
• 번역 기사 (원문 확인)

4. 출처 신뢰도 점수

자동 계산 시스템:

Input: "여러 출처 신뢰도 비교:
1. nature.com/articles/...
2. medium.com/@username/...
3. kosis.kr/statHtml/...
4. twitter.com/user/status/..."

Output:
🟢 **신뢰도 분석 완료**

## 출처별 점수

| 출처 | 점수 | 분류 | 사용 가능 |
|------|------|------|----------|
| Nature | 1.0 | 1차 출처 | ✅ 즉시 |
| KOSIS | 1.0 | 1차 출처 | ✅ 즉시 |
| Medium | 0.3 | 3차 출처 | ⚠️ 저자 검증 |
| Twitter | 0.0 | 제외 | ❌ 사용 금지 |

## 권장 순위
1. Nature (1.0) + KOSIS (1.0) → 평균 1.0
2. Medium (0.3) → 보조 참고만
3. Twitter (0.0) → 제외

## 최종 신뢰도
🟢 **높음** (1차 출처 2개 확보)

신뢰도 가중치:

분류	가중치	출처 예시
1차 출처	1.0	정부 문서, 학술 논문, 기업 IR
2차 출처	0.6	주요 언론, 전문 저널
3차 출처	0.3	위키백과, 전문 블로그
제외	0.0	SNS, 익명 게시판

5. 학술 논문 검증

자동 검증 항목:

Input: "논문 검증: [논문 제목 또는 DOI]"

Output:
🟢 **검증 완료**

## 논문 정보
- **저널**: Nature Machine Intelligence
- **Impact Factor**: 25.9
- **인용 수**: 523회
- **발행일**: 2023-05-12
- **저자**: Smith et al.
- **소속**: Stanford University

## 검증 결과
✅ Peer-reviewed
✅ IF 10+ (상위 5%)
✅ 인용 100+ (영향력 높음)
✅ 최근 5년 이내
✅ 주요 기관 소속

## 신뢰도
🟢 **최고** (1차 출처)

## 사용 권장
- 학술 연구 인용: ✅
- 기술 블로그 참고: ✅
- 상업적 근거: ✅

검증 기준:

• Impact Factor 확인
• 인용 횟수 (100+ 우선)
• 발행일 (최근 5년 이내 우선)
• Peer-review 여부
• 저자 소속 기관

6. 통계 데이터 검증

공공 데이터 자동 검증:

Input: "통계 출처 확인: kosis.kr/..."

Output:
🟢 **1차 출처 (공공 데이터)**

## 출처 정보
- **기관**: 국가통계포털 (KOSIS)
- **운영**: 통계청
- **신뢰도**: 1.0
- **분류**: 정부 공식 통계

## 데이터 특성
- 공식 승인 통계
- 정기 업데이트 (월/분기/연간)
- 원시 데이터 제공
- API 제공

## 검증 완료
✅ 정부 공식 기관
✅ 통계법 기반 승인 통계
✅ 국제 기준 준수

## 사용 권장
- 학술 연구: ✅
- 정책 보고서: ✅
- 비즈니스 분석: ✅
- 언론 인용: ✅

7. AI/ML 저장소 검증

모델 및 데이터셋 검증:

Input: "Hugging Face 모델 신뢰도: huggingface.co/model/..."

Output:
🟢 **검증 완료** | 신뢰도: 0.9

## 저장소 정보
- **플랫폼**: Hugging Face
- **모델**: GPT-2
- **제공**: OpenAI (공식)
- **다운로드**: 5M+
- **라이선스**: MIT

## 검증 항목
✅ 공식 기관/기업 제공
✅ 모델 카드 완비
✅ 라이선스 명시
✅ 성능 지표 공개
✅ 편향성 분석 포함

## 신뢰도 평가
- 기업 공식: +0.3
- 모델 카드: +0.2
- 다운로드 높음: +0.2
- 커뮤니티 검증: +0.2
→ 총점: 0.9

## 사용 권장
- 연구 목적: ✅
- 상업적 사용: ✅ (라이선스 확인)
- 프로덕션: ⚠️ (추가 검증 필요)

8. 검색 키워드 최적화

자동 제안 시스템:

Input: "AI 성능 관련 논문 찾기"

Output:
🟡 **키워드 최적화 필요**

## 현재 키워드 문제
❌ "AI 성능" - 너무 광범위
❌ 구체적 기술 없음
❌ 연도 없음

## 최적화 제안

### 영문 학술 검색 (Google Scholar, IEEE)
✅ "neural network optimization techniques 2024"
✅ "transformer model inference acceleration"
✅ "large language model efficiency"
✅ "deep learning performance benchmark"

### Boolean 연산자 활용
✅ "neural network" AND "optimization" AND "2024"
✅ "transformer" AND "inference" NOT "training"
✅ "large language model" AND ("efficiency" OR "performance")

### 추가 필터
- 인용 100+ 우선
- 최근 5년 (2019-2024)
- Impact Factor 5.0+

## 추천 데이터베이스
1. IEEE Xplore - 공학 논문
2. ACM Digital Library - 컴퓨터과학
3. Google Scholar - 종합 검색

데이터베이스 구조

학술 논문 (Academic Papers)

종합 검색:

• Google Scholar (scholar.google.com) - 인용 100+, 5년 이내
• RISS (riss.kr) - 한국 학술
• KISS (kiss.kstudy.com)
• DBpia (dbpia.co.kr)

분야별 전문 DB:

의학/생명과학:

• PubMed/PubMed Central - 무료 풀텍스트
• Cochrane Library - 체계적 문헌고찰
• IF 3.0+ 저널 우선

공학/컴퓨터과학:

• IEEE Xplore Digital Library
• ACM Digital Library
• arXiv (⚠️ 후속 발표 확인 필수)

사회과학/경제:

• JSTOR
• ScienceDirect (Elsevier)
• SSRN

물리/수학:

• Physical Review Journals
• Annals of Mathematics

기술 문서 (Technical Documentation)

표준 기구:

• W3C (w3.org/TR/) - 웹 표준
• IETF RFC (rfc-editor.org) - 인터넷 표준
• ISO (iso.org) - 국제표준
• IEEE Standards

클라우드/인프라:

• AWS Technical Whitepapers
• Google Cloud Architecture
• Azure Architecture Center
• Kubernetes Docs (CNCF)

보안:

• OWASP (owasp.org) - 웹 보안
• NIST (nist.gov/cybersecurity)
• CWE/CVE - 취약점 DB

기술 뉴스/매체

Tier 1 (신뢰도: 0.8-0.9):

• Nature, Science
• MIT Technology Review
• IEEE Spectrum
• Ars Technica

Tier 2 (신뢰도: 0.6-0.7):

• The Verge, Wired
• TechCrunch (⚠️ 루머 주의)
• ZDNet Korea

한국 전문 매체 (신뢰도: 0.6):

• 전자신문 (elec.co.kr)
• 디지털타임스 (dt.co.kr)
• AI타임스 (aitimes.com)
• ITWorld (itworld.co.kr)

산업 리포트

시장조사 (신뢰도: 0.7-0.8):

• Gartner (Magic Quadrant, Hype Cycle)
• IDC
• Forrester Research
• McKinsey Insights

한국 시장 (신뢰도: 0.8-1.0):

• 정보통신산업진흥원 (NIPA) - nipa.kr
• 정보통신정책연구원 (KISDI) - kisdi.re.kr
• 한국무역협회 (KITA) - kita.net

AI/ML 전문 저장소

모델 및 데이터셋 (신뢰도: 0.9-1.0):

• Hugging Face (huggingface.co) - 모델 70만+
• Papers with Code (paperswithcode.com)
• TensorFlow Hub (tfhub.dev)
• PyTorch Hub (pytorch.org/hub)

오픈소스 저장소 (신뢰도: 0.8-0.9):

• GitHub (github.com)
• GitLab (gitlab.com)
• Bitbucket (bitbucket.org)

한국 공공 SW (신뢰도: 1.0):

• 공개SW포털 (oss.kr) - NIPA 관리

통계/데이터

한국 공공데이터 (신뢰도: 1.0):

• 국가통계포털 (KOSIS) - kosis.kr
• 공공데이터포털 - data.go.kr
• 한국은행 (ECOS) - ecos.bok.or.kr
• 금융감독원 (DART) - dart.fss.or.kr

국제 통계 (신뢰도: 1.0):

• OECD.Stat
• World Bank Open Data
• UN Data
• Eurostat

사용 패턴

패턴 1: 출처 즉시 평가

"이 출처 신뢰도: [URL]"
"[URL] 사용 가능한가요?"
"[도메인] 신뢰할 수 있나요?"

패턴 2: 분야별 출처 추천

"[분야] 최고 저널"
"[분야] 신뢰할 수 있는 출처"
"[분야] 데이터 출처"

패턴 3: 여러 출처 비교

"여러 출처 비교: [URL1], [URL2], [URL3]"
"가장 신뢰할 수 있는 출처는?"

패턴 4: 논문 검증

"논문 검증: [제목 또는 DOI]"
"이 저널 IF는?"
"[저널명] 신뢰도"

패턴 5: 키워드 최적화

"[주제] 논문 검색 키워드"
"[분야] 효과적인 검색어"

통합 기능

research-verified 스킬과 통합

이 스킬은 research-verified 스킬과 자동으로 통합되어:

• 출처 신뢰도를 자동으로 평가
• 제외 출처를 자동으로 필터링
• 분야별 최적 출처를 우선 검색
• 신뢰도 가중치를 적용한 교차 검증

체크리스트

모든 출처 평가 시 확인:

• 도메인 신뢰도 (1차/2차/3차/제외)
• 제외 출처 경고
• 분야별 권장 출처 여부
• 발행일 (최신성)
• 저자/기관 검증
• 대안 출처 제안

---

버전 정보

• Version: 1.1.0
• Created: 2025-10-26
• Based on: 전문 출처 데이터베이스 v1.1
• Sources: 700+ 검증된 출처
• Integrates: research-verified 스킬

---

이 스킬은 700+ 검증된 출처를 기반으로 자동으로 신뢰도를 평가하고, 분야별 최적 출처를 추천합니다.