청취자 후기

최근 deep learning에 대한 관심이 상당히 커지고 있는 것을 확인할 수 있는 학술대회였다. 지난 산업공학회까지만 해도 deep learning과 관련된 발표가 거의 없었던 것으로 기억하는데 이번 학회에서는 여러 분야에서 deep learning을 활용하는 연구를 진행하고 발표했다. 하지만 단순히 deep learning에 대한 관심만 증가하고 있는 것이 아닌가라는 의문이 들기도 했다. 발표된 연구들 중 단순히 기존 classification/regression algorithm을 deep learning으로 대체하여 성능의 향상이 있었다는 결론을 낸 것이 있었는데, 이는 의미있는 연구라고 볼 수 없을 것 같다.

- 야구 기사와 선수 기록을 활용한 딥러닝 기반 극성 판별 모델의 개발

문서를 통한 감성 분석은 문서의 분야에 매우 의존적이며, 문장의 구조에 따라 다양하게 해석될 수 있기 때문에 긍정 또는 부정을 정확하게 판별하기 어렵다. 또한 대부분의 문서들에는 명시적으로 긍-부정 범주가 정의되지 않았다. 발표자는 명시적인 범주가 부여되지 않은 문서로부터 명시적인 범주를 할당하고 이를 바탕으로 극성을 판별하는 방법론을 제안하였다. 제안한 방법론은 야구와 같이 관련 문서 외에 추가적인 정보를 얻을 수 있는 분야에 한정적으로 적용될 수 있는 것으로 보인다. 핵심 아이디어는, 문서 내 문장의 긍-부정을 판별하는데 문서 외의 추가적인 정보를 이용하는 것이다. 극성 판별 모델에 대한 자세한 설명이 없었던 부분은 아쉬웠지만, deep learning을 이용한 접근이 많이 연구되어 있는 것 같았다. 연구 결과를 이용해 자동 질의응답 시스템을 구축할 수 있다는 점이 흥미로웠다.

- Fashion Sales Forecasting by Using Product Images

수요 예측은 모든 산업 분야에서 필수적이며, 패션 산업이라고 해서 예외는 아니다. 발표자는 패션 산업에서 의류 상품의 수요를 예측하기 위해 기존에 사용되는 변수에 더해 의류의 이미지 데이터를 추가로 사용하는 방법론을 제안하였다. 이는 의류의 경우 상품의 외관이 판매량에 영향을 미칠 것이라는 생각에 기반하고 있었다. 이미지 데이터와 수치형 데이터를 복합적으로 사용하기 위해 multimodal convolutional deep neural network를 구성하였으며, CNN 부분의 fine tuning을 위해 약 50,000개 정도의 의류 데이터를 추가로 이용하였다. 또한, 의류의 경우 batch 단위로 생산하기 때문에 반응 변수를 연속형 변수가 아닌 범주형 변수로 설정하였다. 하지만, 단순히 범주형 변수로 설정할 경우 수량에 대한 반영이 전혀 이루어지지 않을 수 있으므로 neural network의 output node를 두 개로 구성하여 하나는 batch size에 대한 클래스를 예측하는 node, 하나는 판매량 자체를 예측하는 node로 설정하였다. 실험 결과를 제시한 형식이 일반적이지 않아 구성한 neural network가 성능이 좋다고 생각할 수는 없었지만, deep neural network의 구조에 대한 아이디어는 좋은 것으로 보인다.

- 딥러닝을 이용한 저널 추천 시스템

저널 추천 시스템은 연구자와 저널 편집장 모두에게 유용하게 사용될 수 있는 추천 시스템으로, 자동화된 업무 수행을 통해 연구자와 편집장의 의사결정에 도움을 줄 수 있다. 발표자는 각 논문들의 abstract에 대해 일반적인 text mining task를 수행하였으며, 논문의 abstract을 통해 어떤 journal에 속할 것인지에 대한 multi class classification 문제를 정의하였다고 볼 수 있다. Classification 알고리즘으로는 deep learning을 사용하였으며, kNN, decision tree, SVM을 사용하여 비교하였다.

전반적인 발표 구성에 있어 deep learning 알고리즘을 설명하는데 너무 많은 내용을 할당한 느낌이 들었다. 그보다는 기존에 저널 추천 시스템, 또는 일반적인 추천 시스템이 어떤 식으로 진행되었는지를 리뷰하는 편이 더 적절했을 것이라는 생각이 든다. 특히, deep learning이 기존 알고리즘보다 좋은 performance를 냈다는 결론은 알고리즘 제안 연구가 아닌 이상 큰 의미가 없다고 생각한다.