지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이덕주
- 발행연도
- 2021
- 저작권
- 서울대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
기계학습이 현재 이론과 실생활 적용 모두에서 발전함에 따라 데이터는 인공지능 모델을 훈련하고 검증하는 데 중요한 역할을 하고 있다. 한편, 데이터 교환 시장에서 데이터의 경제성 평가에 대한 연구는 초기 단계이다. 본 논문의 기여는 두 가지 관점에서 접근할 수 있다. 첫째, 협동 게임 이론의 개념인 semi-value를 모델 수익 분배 문제에 활용한다. 둘째, 인공지능 모델의 공정성과 개인정보보호성을 고려한 데이터 제공자, 기업, 시장으로 구성된 모델을 제안한다. 본 연구에서 Banzhaf 값은 각 데이터의 기여도를 계산할 때 Shapley 값의 대안이 될 수 있음을 확인하였다. 또한 회사의 수익 극대화 문제를 모델링하였고, 추가적으로 데이터 예제를 사용하여 이진 분류 모델의 경우 수치 분석을 제시하였다. 이를 통해, Banzhaf 값은 Shapley 값보다 데이터의 공정성에 더 민감하다는 것을 확인하였다. 나아가 기업이 고품질 데이터만을 사용한다는 가정하에 데이터의 공정성과 데이터 제공자의 개인정보에 대한 보상비용을 달리하는 네 가지 시나리오에서 기업의 행동을 분석하였다. 기업은 데이터가 공정할수록 데이터 제공자에게 더 큰 수익을 보장해주었고, 고정비용이 작아질수록 가변비용을 통해서 데이터 제공자에게 수익을 나눠주는 것을 확인하였다.
목차
Chapter 1 Introduction 11.1 Research Background 11.2 Problem Description 21.3 Organization of the Thesis 3Chapter 2 Literature Review 42.1 Fair Machine Learning 42.2 Private Machine Learning 52.3 Data Valuation 62.3.1 Dataset Price Estimation 62.3.2 Equitable Price Estimation 7Chapter 3 Data Market Model 83.1 Basic Assumptions and Model Settings 83.2 Firm’s Profit Maximizing Problem 103.3 Data Valuation 123.4 Binary Classification Setting 14Chapter 4 Analysis 174.1 Semi-value Approximation 174.1.1 Convergence Analysis 174.1.2 Group Data Calculation 204.2 Binary Classification 224.2.1 Parameter Analysis 224.2.2 Scenario Analysis 244.2.2.1 Description 244.2.2.2 Synthetic Data 254.2.2.3 Shapley Value Based Valuation 264.2.2.4 Banzhaf Value Based Valuation 284.2.2.5 Comparative Analysis 304.3 Data Pricing 33Chapter 5 Conclusion 35Bibliography 38국문초록 43
최근 본 자료
댓글(0)
0