단어 임베딩과 GRU를 활용한 상품 범주 분류 (Product Category Classification using Word Embedding and GRUs)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 19권 / 4호 / 11 ~ 18페이지
· 저자명 : 김희상, 주기훈, 임현승

초록

최근 온라인 쇼핑몰을 이용하는 소비자가 증가하면서 온라인 쇼핑 거래를 비롯하여 쇼핑몰에 등록되는 상품의 수 역시 매우 빠르게 증가하고 있다. 하지만 사람이 직접 수많은 상품의 이름만 보고 정확하고 빠르게 상품의 범주를 분류하기는 쉽지 않다. 본 논문에서는 기계학습을 이용하여 상품명 정보 데이터를 효과적으로 분류하는 모델을 구현하였다. 상품 정보를 분류하기 위해 데이터 전처리, 형태소 분석, 단어 임베딩, GRU 모델 등을 활용하였다. 특히, 사전 학습된 단어 임베딩 모델을 사용하지 않고, 기계학습을 이용하여 데이터의 특징을 분석하고 이를 바탕으로 모델을 학습시켰으며, 시각화를 통해 모델이 적절하게 데이터의 특징을 학습하였음을 확인하였다. 구현한 모델의 성능을 측정하기 위해 식품, 출산/육아용품, 생활/취미용품 총 세 가지 상품 범주에 대해 다양한 상품명을 분류하는 실험을 수행하였으며, 각 범주별로 AUC 값이 0.91, 0.82, 0.88로 비교적 분류가 잘 수행됨을 확인하였다.

영어초록

Recently, as the number of consumers using online shopping malls increases, both online shopping transactions and the number of products registered in the shopping malls are also increasing very rapidly. However, it is not easy for humans to classify the category of products accurately and quickly, only by examining their names. In this paper, we developed an effective classification model for product information data using machine learning. To this end, we use various data preprocessing steps, morpheme analysis, word embedding, and a GRU model. In particular, instead of using a pretrained word embedding model, we analyzed the features of the data using machine learning and built a word embedding model based on them. Through visualization, we confirmed that our classification model learned the data features appropriately. To evaluate the performance of the model, we conducted experiments on classifying various product names into three categories, namely, food, maternity/childcare products, and household/hobby products. Our model classified product names well, with the AUC values of 0.91, 0.82, and 0.88 for each category.

참고자료

· 없음