딥러닝을 활용한 금융상품 불완전 판매 판별 모델 (Discrimination Model On Misselling of Financial Products Using Deep Learning)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 25권 / 6호 / 294 ~ 302페이지
· 저자명 : 김주현, 원정임

초록

펀드로 대표되는 금융상품은 판매직원의 설명과 권유가 절대적인 힘을 발휘하는 구조적 특성으로 인해 불완전판매 가능성을 내포하고 있으며, 이로 인한 사회적 갈등이 꾸준히 초래되고 있다. 본 논문에서는 텍스트로 변환된 상담 데이터에 딥러닝 기반 텍스트 분류 기법을 적용해 금융상품 불완전판매여부를 판별하는 모델을 제안한다. 본 모델은 한글의 자소 단위의 토큰화 방법을 적용한 벡터화와 기존컨볼루션과 순환 신경망을 이용한 분류 모델을 기반으로 한다. 특히, 두 명의 화자가 존재하는 상담 데이터의 특성을 감안해 화자 벡터를 추가 고려함으로써, 일반적인 딥러닝 텍스트 분류 기법 보다 매우 좋은성능을 보임을 확인 하였다. 또한 실제 금융 산업에서 불완전판매 여부를 판별하기 위하여 사용되는 시나리오를 토대로 생성된 가공의 데이터를 사용한 실험 결과를 제시하여 본 모델의 실효성을 검증하였다.

영어초록

Financial products represented by funds have structural characteristics, of which explanation and recommendation by sales associates, exert a major influence on customers’ purchasing decisions. So, there always exists the possibility of associates misselling financial products, resulting in chronic social conflicts between sales associates and customers. This paper proposes the discrimination model on misselling of financial products, using deep learning-based text classification, for converted customers’ call text data. The model is based on vectorization, which applies Hangeul’s character-level tokenization, and a classification method using CNN and RNN. Specifically, we have validated that the model shows much better performance, by including the speaker vector because there are two speakers in real customers’ call data. Also, we have validated effectiveness of the proposed model, by presenting experimental results which use generated synthetic data. Such data is based on real business cases, that are used to prevent misselling of financial products in the financial industry.

참고자료

· 없음