공공 기술 사업화 예측 모델에서 원-핫 인코딩된 불균형 데이터 처리 방법 (In the public technology commercialization prediction model One-hot encoded unbalanced data processing method)

서지정보

· 발행기관 : 국제문화기술진흥원
· 수록지 정보 : 문화기술의 융합 / 11권 / 2호 / 187 ~ 196페이지
· 저자명 : 이준, 황철현

초록

공공 기술 사업화는 한 국가의 과학기술 정책 효율성을 평가하는 중요한 척도 가운데 하나이다. 따라서 기계학습을 이용하여 공공 기술에 대한 사업화 여부를 사전에 예측하거나, 개발된 공공 기술을 도입할 가능성이 높은 수요기업을 발굴하고자 하는 시도가 지속적으로 증가하고 있다. 하지만 공공 기술 사업화 데이터는 성공 사례가 드물게 발생하는 전형적인 불균형 데이터 특성을 가진 명목형 데이터의 특성을 보유하고 있어 데이터 증강 방법을 적용하기 어렵다. 명목형 변수는 SMOTE와 같은 오버 샘플링 방법으로는 비즈니스 규칙에 맞지 않는 훈련 데이터를 생성하거나, 정확도 개선 효과가 떨어지는 이유 때문이다. 이 논문에서는 기계학습의 모델 구축 과정에서 최적 Hyper Parameter를 선정하기 위해 사용되는 Grid Search 방법을 훈련 데이터를 생성하는데 활용하는 방법을 제안한다. 제안된 훈련 데이터 구축 방법의 효과를 검증하기 위해 과거 사업화 실증 이력 데이터를 활용하여 사업화 성공 여부를 예측하고, 기존의 처리 방법과 제안 방법을 상호 비교하였다. 실험 결과, 제안 방법이 기존 데이터 증강 방법과 비슷하거나 더 높은 분류 예측 성능을 보이면서도, 업무 규칙에 맞는 데이터를 생성한다는 장점을 확인하였다.

영어초록

Public technology commercialization is one of the important measures for evaluating the efficiency of a country's science and technology policy. Therefore, attempts to predict whether public technology will be commercialized in advance using machine learning or to discover companies with high potential to adopt developed public technologies are continuously increasing. However, public technology commercialization data has the characteristics of nominal data with typical imbalanced data characteristics with rare success cases, making it difficult to apply data augmentation methods. This is because nominal variables generate training data that does not conform to business rules or have low accuracy improvement effects when using oversampling methods such as SMOTE. In this paper, we propose a method to utilize the Grid Search method, which is used to select optimal Hyper Parameters in the model building process of machine learning, to generate training data. In order to verify the effectiveness of the proposed training data construction method, past commercialization empirical history data was used to predict whether commercialization was successful, and the existing processing method and the proposed method were compared with each other. The experimental results confirmed that the proposed method has a classification prediction performance similar to or higher than the existing data augmentation method, while generating data that conforms to business rules.

참고자료

· 없음