딥러닝을 활용한 글로벌 주소 데이터 품질 검증과 개선기법 (Global Address Data Quality Verification and Improvement Techniques using Deep Learning)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 20권 / 12호 / 15 ~ 24페이지
· 저자명 : Soeng Saravit, 배진현, 이경희, 조완섭

초록

본 연구에서는 수입식품 안전관리에 필요한 주소 데이터의 품질 검증과 개선 문제를 다룬다. 수입식품 안전업무에서는 식품안전 이슈가 발생했을 때 국민의 건강과 안전을 지키기 위해 신속한 안전조치가 필요하며, 주소 정합성 확보가 필요하다. 수입업자가 등록한 해외식품제조업소 주소가 정확한지 검증하고 해당 국가의 행정구역을 식별하며, 표준화된 형식으로 주소를 변환하는 기법을 제안한다. 행정구역 데이터셋을 활용하여 딥러닝 주소 학습 & 분류모형을 생성한 다음 입력한 주소의 행정구역 식별 정확도를 산출하고 표준화된 주소를 반환하여 주소의 품질을 개선한다. 제안하는 모형의 정확도는 90% 이상이며, 중국의 해외제조업소 주소 24,401개 중 1500개를 임의 선택한 다음 검증한 결과 91.4%의 정확도를 보였다.

영어초록

This study deals with the quality verification and improvement of address data required for imported food safety management. In the imported food safety business prompt safety measures are required to protect the health and safety of the people when food safety issues arise and it is necessary to secure address consistency. We propose a technique for verifying that the address of an overseas food manufacturing business registered by an importer is correct identifying the administrative division of the country and converting the address into a standardized format. After creating a deep learning address learning & classification model using the administrative district dataset, it calculates the administrative district identification accuracy of the entered address and returns the standardized address to improve the quality of the address. The accuracy of the proposed model is over 90%, and as a result of verifying after randomly selecting 1500 addresses out of 24,401 addresses of overseas manufacturing companies in China, the accuracy was 91.4%.

참고자료

· 없음