메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
권상지 (경희대학교) 이은서 (경희대학교) 이다현 (경희대학교) 권오병 (경희대학교)
저널정보
한국지능정보시스템학회 지능정보연구 지능정보연구 제30권 제4호
발행연도
2024.12
수록면
23 - 39 (17page)
DOI
10.13088/jiis.2024.30.4.023

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
최근 수입 식품의 안전성 관리 중요성이 전 세계적으로 증가함에 따라, 기계 학습 기술을 활용한 효율적인 위해 요소 예측이 주목받고 있다. 본 연구는 수입 식품의 위해 요소 예측 성능을 높이기 위해 기존 내부 데이터에 유럽의 식품 및 사료 신속경보시스템(RASFF) 데이터를 통합한 새로운 예측 모델을 제안한다. 본 연구의 주요 기여는 RASFF 데이터를 바탕으로 ‘최종빈도가중치’라는 변수를 개발하여 모델에 적용한 것으로, 실험 결과 모든 품목군에서 해당 변수를 추가한 앙상블 모델이 가장 우수한 Recall 성능을 보였다. 이를 통해 최종빈도가중치 변수가 부적합 식품 예측 성능 향상에 기여함을 확인하였다. 본 연구는 외부 데이터 통합이 수입 식품 위해 요소 예측의 정밀도를 높이는 데 중요한 역할을 할 수 있음을 시사하며, 정기적인 데이터 갱신을 통해 모델 성능의 지속적인 개선 가능성을 탐색하고자 한다.

목차

1. 서론
2. 관련 연구
3. 연구방법
4. 실험 결과
5. 토의 및 결론
참고문헌(References)
Abstract

참고문헌 (18)

참고문헌 신청

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092093563