earticle

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.