Earticle

초록

한국어

온라인 커머스 고객 데이터는 구매 및 조회 등 사건 발생 시점과 다량의 사건 발생 관련 변수가 함께 기 록되어 있는 정형 데이터이 다. 최근 발전된 2차원 CNN은 국소적 특성 추출 기능 및 메모리 효율성 향상에서 큰 이점이 있지만, 해당 데이터는 그러한 장점을 활용하기 어려웠다. 또한, 벡터 기반 예측 모델을 사용할 시 성김성(Sparsity)문 제로 인하여 시점에 따른 변화 정보까지 반영한 다 량의 변수를 사용하기 어렵다는 한계를 가지고 있 다. 이에 본 연구는 온라인 커머스 분야의 구매 또는 조 회 이력 데이터에 2차원 CNN 을 적용하기 위한 2차 원 변환 방법을 제시한다. 이 방식은 고객의 사건 관련 변수를 필요에 따라 합산하거나 합산하지 않고 2차원 행렬에 나열하며, 특성 정보와 같이 시점에 따라 변하지 않는 정보 또한 2차원 변환에 포함하여 각 고객별 특성을 나타낼 수 있는 방법이 다. 실제 온라인 쇼핑몰 데이터를 활용하여 제안 방법을 검증한 결과, 합성곱층이 제안된 2차원 변환 행렬에 서 예측을 위한 특성을 충분히 찾아낸다는 사실을 확인하였다. 또한 예측력 향상을 위해 사건 발생 순 서 정보를 제시하는 방법으로 제안 방법이 유용함을 확인하였다.

목차

Abstract
도입
사전 연구
정형 데이터의 2차원 변환을 통한 CNN 적용 연구
커머스 분야에서의 정형 데이터에 대한 CNN 활용
제안 방법
정형 데이터의 2차원 변환 방법
실험
실험 설계
2D CNN 모델
실험 결과
2차원 변환의 저장 용량 및 학습 시간 비교
결론
연구 의의
한계 및 제언
Acknowledgments
References

키워드

저자

• 진달래 [ LG CNS ]
• 손혜령 [ LG CNS ]
• 정해주 [ LG CNS ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국경영정보학회 정기 학술대회 [KMIS Conference]

• 간기

  반년간

• 수록기간

  1990~2025

• 십진분류

  KDC 325 DDC 658