http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 천예은(Ye Eun Chun) (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
섀플리 값 추정을 이용한 주가 변화 원인 설명 문장 분류 모델 분석
천예은(Ye Eun Chun),박영진(Youngjin Park),성낙원(Nakwon Sung),최재식(Jaesik Choi) 한국정보과학회 2020 정보과학회 컴퓨팅의 실제 논문지 Vol.26 No.4
최근 인공지능 기술의 발전으로 투자 자동화가 이루어지고 있지만, 투자자가 인공지능의 주가예측 결과를 이해하고 판단 내리기는 더욱 어려워졌다. 따라서 투자자가 이해할 수 있도록 주가예측에 대한 원인 설명 제공이 필요하다. 이를 위해 본 연구에서는 기업이 제공하는 공시보고서에서 주가 상승 및 하락의 이유를 설명하는 문장 데이터를 수집 후 분류한다. 해당 데이터를 다항 분포 나이브 베이즈 분류, 로지스틱 회기, LSTM, 양방향 LSTM, 주의 LSTM 및 주의 양방향 LSTM 모델에 적용한 후 성능을 비교하였다. 또한, 각 학습모델의 의사 결정이 인간의 이유 설명 판단과 유사한지 판단하기 위해 나이브 베이즈 모델과 SHAP을 이용하여 분석하였다. 그 결과, 주의 양방향 LSTM 모델이 인간의 판단과 가장 유사한 것으로 나타났다. Recently, automation in investment has become a reality because of the development of AI technology. However, it has become more difficult for investors to understand the stock price prediction made by AI and decide whether to follow its prediction. Thus, it is necessary to provide a reason for the stock price forecast so that investors can understand it. To solve this problem, this study collects and classifies sentence data that explain the rationale for the rise and fall of the stock prices. We compare the cause classification performance of the Multinomial Naive Bayes classification, logistic regression, LSTM, bidirectional LSTM, attentional LSTM and attentional bidirectional LSTM models on our data. Additionally, we analyze the process of prediction using the Naive Bayes model and SHAP. Those analysis methods enable us to determine if the decision of each learning model is similar to human decisions on causes. As a result, the attentional bidirectional LSTM model was found to be the most similar to human judgment.
-
설명 가능한 AI 기술을 활용한 신용평가 모형에 대한 연구
천예은(Ye Eun Chun),김세빈(Se Bin Kim),이자윤(Ja Yun Lee),우지환(Ji Hwan Woo) 한국데이터정보과학회 2021 한국데이터정보과학회지 Vol.32 No.2
인공지능 기술이 발전함에 따라, 금융 산업에도 인공지능 기술을 적용하는 사례들이 증가하고 있다. 그러나 인공지능 기술의 경우 많은 부분 비선형성이 높기 때문에 결과를 도출하는 과정에 대한 이해가 직관적이지 않는 것이 문제이다. 이런 특성으로 인해서 인공지능으로 결과를 도출하는 과정을 블랙박스로 표현하기도 한다. 최근 EU에서 새로운 개인정보 보호 규정을 만들면서, 인공지능 알고리즘을 통해 도출된 결과에 대해서 고객이 서비스 제공자에게 설명을 요청할 수 있는 권리를 보장하였다. 즉, 금융 산업에서 인공지능 기술을 적용하기 위해서는, 높은 정밀도뿐만 아니라 설명할 수 있는 능력도 고려해야 한다는 것이다. 본 논문에서는 외부에 오픈된 다양한 신용 정보 데이터를 활용하여, 인공지능 기반의 신용평가 알고리즘을 제안하였다. 이와 함께, 인공지능이 도출한 결과에 대해서, 데이터의 다양한 특성들 중에서 어떤 특성이 결과 도출에 큰 영향을 끼쳤는지 도출하는 알고리즘을 제안하였다. 또한, 이를 확장해서 인공지능이 도출한 결과의 변동이 있었을 때, 변동 결과를 설명하는 방법을 금융 데이터에 적용하였다. 제안된 방법을 통해서, 금융 서비스에서 인공지능 기술을 도입할 때, 설명력을 제공할 수 있음을 확인하였다는 점에서 큰 의미가 있다. As artificial intelligence technology develops, cases of applying it to the financial industry are increasing. However, the biggest drawback is that understanding the process how the results are derived is not intuitive because most of its relationships are non-linear. Therefore, the process of deriving results using artificial intelligence is sometimes expressed as a black box. Recently, the EU created a new privacy regulation, guaranteeing the right of customers to request service providers for explanations about the results obtained by artificial intelligence algorithms. In other words, to apply artificial intelligence technology in the financial industry, not only high precision but also the ability to explain the results must be considered. In this paper, using various externally disclosed credit information data, an artificial intelligence-based credit rating algorithm was proposed. Also, for the results derived by artificial intelligence, we introduced an algorithm to calculate and distinguish which of the various characteristics of the data has the most significant effect. Finally, we further expanded this by applying the method of explaining the modified result to the financial data to explain when there is a change in the result derived by artificial intelligence. This research has great significance as it confirms that the proposed method can provide explanatory power when introducing artificial intelligence technology in financial services.
-
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
