정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)
Current Result Document : 1 / 1
| 한글제목(Korean Title) |
딥러닝을 활용한 금융상품 불완전 판매 판별 모델 |
| 영문제목(English Title) |
Discrimination Model On Misselling of Financial Products Using Deep Learning |
| 저자(Author) |
김주현
원정임
JuHyun Kim
Jung-Im Won
|
| 원문수록처(Citation) |
VOL 25 NO. 06 PP. 0294 ~ 0302 (2019. 06) |
한글내용
(Korean Abstract) |
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 불완전판매 여부를 판별하는 모델을 제안한다. 본 모델은 한글의 자소 단위의 토큰화 방법을 적용한 벡터화와 기존 컨볼루션과 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 좋은 성능을 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.
|
영문내용
(English Abstract) |
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.
|
| 키워드(Keyword) |
금융상품 불완전 판매
딥러닝
컨볼루션 신경망
순환 신경망
misselling of financial products
deep learning
CNN
RNN
|
| 파일첨부 |
PDF 다운로드
|
