미디어 텍스트 분석 기반의 공급망 리스크 모니터링 시스템의 개발
Development of Media Text Analysis Based Supply Chain Risk Monitoring System
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
오늘날의 기업들은 무역 갈등의 심화, 전염병, 경기 침체, 전쟁 및 각종 자연재해 등으로 인한 공급망 리스크에 노출되어 있다. 이러한 배경에서 공급망 리스크와 관련된 정보를 수집하고 동향을 파악하는 것의 중요성이 증대되고 있으며, 뉴스 기사와 같이 실시간으로 발생하는 미디어 텍스트를 분석하는 것은 공급망 리스크와 관련된 최신 정보를 빠르게 수집하는 유용한 방법으로 대두되고 있다. 하지만, 공급망 리스크와 관련된 텍스트를 분석하는 연구는 초기 단계이며, 최근 활용도가 증가하는 딥러닝 기반의 자연어 처리 기법을 적용한 텍스트 분석은 미비한 상황이다. 이에 본 연구에서는 뉴스 기사 분석을 활용하여 공급망 리스크와 관련된 정보를 수집, 도출하는 인공지능 기반의 공급망 리스크 모니터링 시스템을 개발한다. 이를 위해 사전 학습 언어모델인 KoBERT에 기반해 공급망 리스크 관련 기사만을 수집하는 필터링 모델을 수립하고, 수집된 기사의 공급망 리스크 유형을 LDA 토픽 모델링 기반으로 식별하여 학습 데이터를 구축하였다. 이후, BOW(Bag of Words)와 KoBERT를 사용한 딥러닝 기반의 공급망 리스크 분류 모델을 개발하여 수집된 기사의 공급망 리스크 유형을 예측하였다. 분석 결과, KoBERT 기반의 공급망 리스크 관련 기사의 필터링 정확도가 92.2%의 높은 성능을 보이는 것으로 나타났으며, 리스크 유형 분류 모델에서도 KoBERT 기반의 공급망 리스크 유형 분류 모델이 BOW 기반 모델에 비해 높은 분류 성능을 보이는 것을 확인하였다.
Abstract
Recently, companies are exposed to various supply chain risks such as intensified trade conflicts, epidemics, economic and geopolitical uncertainties, and natural disasters. Thus there is increasing importance in monitoring information related to supply chain risks. Analyzing real-time media texts, such as news articles, can be utilized for monitoring up-to-date information supply chain risks. However, researches regarding analyzing supply chain risk related text are in early stages, and researches to apply modern AI techniques such as deep learning-based natural language processing to supply chain risk texts are scarce. This study aims to develop a supply chain risk monitoring system that monitors and extracts information related to supply chain risks by analyzing news articles. To collect supply chain risk related articles a filtering model based on KoBERT is developed, of which risk types are identified based on LDA topic modeling to be utilized as the train data. To predict news articles’ risk types, two deep learning- based risk classification models are developed using BOW(Bag of Words) and KoBERT. The results showed high accuracy of KoBERT based model in filtering supply chain risk-related articles, and in the classification of supply chain risk types also KoBERT based model showed better performance than BOW based model.
참고문헌 (31)
- 권순보, "BERT와 FastText를 활용한 온라인 진로상담 문서 분류", 한국데이터정보과학회지, 33(6), pp.991~1006 (2022), 한국데이터정보과학회
- 김성희, "기계학습을 이용한 문서 자동분류에 관한 연구", Journal of Information Science Theory and Practice, 39(4), pp.47~66 (2008), 한국과학기술정보연구원
- 박기태, "LDA를 활용한 친환경 물류 핵심 토픽 분석- COVID-19 팬데믹 전후 키워드 중심으로", 한국생산관리학회지, 33(3), pp.463~479 (2022), 한국생산관리학회
- 박단호, "한글 형태소 및 키워드 분석에 기반한 웹 문서 분류", 정보처리학회논문지D, 19(4), pp.263~270 (2012), 한국정보처리학회
- 박준형, "국내 기록관리학 연구동향 분석을 위한 토픽모델링 기법 비교 - LDA와 HDP를 중심으로 -", 한국도서관·정보학회지, 48(4), pp.235~258 (2017), 한국도서관·정보학회[DOI]
- 변형호, "주제 핵심어 기반 감정 분석을 통한 프로 스포츠 팬 사이트에서의 여론 분류 기술", 정보과학회논문지, 45(4), pp.390~394 (2018), 한국정보과학회[DOI]
- "｢글로벌 공급망(GVC) 분석센터｣출범" (2022), 산업통상자원부[URL]
- 어균선, "속성선택방법과 워드임베딩 및 BOW (Bag-of-Words)를 결합한 오피니언 마이닝 성과에 관한 연구", 디지털융복합연구, 17(2), pp.163~170 (2019), 한국디지털정책학회[DOI]
- 윤희영, "토픽모델링을 활용한 해운물류 뉴스 분석", 무역학회지, 46(4), pp.61~76 (2021), 한국무역학회[DOI]
- 최준영, "자연어처리 모델을 이용한 이커머스 데이터 기반 감성 분석 모델 구축", 한국융합학회논문지, 11(11), pp.33~39 (2020), 한국융합학회[DOI]
- "글로벌 공급망 위기와 우리 기업의대응현황" (2022), 한국무역협회[URL]
- 글로벌공급망 리스크별 영향분석 및 대응방안 연구 - 에너지․곡물을 중심으로, "조지성", KMI, ~ (2022)
- 최병일, "부품 공급망 위험이 공급사슬과 해운 분야에 미치는 영향: 자동차 산업을 중심으로", 한국생산관리학회지, 34(1), pp.111~128 (2023), 한국생산관리학회
- 홍성태, "공급망 리스크가 국가 물류 성과에 미치는 영향에 대한 연구: 경제협력개발기구 회원국의 물류성과지수를 활용하여", 한국생산관리학회지, 34(1), pp.97~110 (2023), 한국생산관리학회
- 황상흠, "한국어 기술문서 분석을 위한 BERT 기반의 분류모델", 한국전자거래학회지, 25(1), pp.203~214 (2020), 한국전자거래학회[DOI]
- Aboutorab, H., "A reinforcement learning-based framework for disruption risk identification in supply chains", Future Generation Computer Systems, 126, pp.110~122 (2022)
- Blei, D. M., "Latent dirichlet allocation", Journal of Machine Learning Research, 3, pp.993~1022 (2003)
- Chu, C. Y., "Applying text-mining techniques to global supply chain region selection : considering regional differences", Procedia Manufacturing, 39, pp.1691~1698 (2019)
- Chu, C. Y., "A global supply chain risk management framework : An application of text-mining to identify region-specific supply chain risks", Advanced Engineering Informatics, 45, pp.101053~ (2020)
- Deiva Ganesh, A., "Supply chain risk identification : a real-time datamining approach", Industrial Management and Data Systems, 122(5), pp.1333~1354 (2022)
- Devlin, J., "Bert: Pre-training of deep bidirectional transformers for language understanding", ~ (2018)
- Harland, C., "Risk in supply networks", Journal of Purchasing and Supply Management, 9(2), pp.51~62 (2003)
- Murakami, S., "Exploring the Potential of Internet News for Supply Risk Assessment of Metals", Sustainability, 14(1), pp.409~ (2022)
- Samvedi, A., "Quantifying risks in a supply chain through integration of fuzzy AHP and fuzzy TOPSIS", International Journal of Production Research, 51(8), pp.2433~2442 (2013)
- "Korean BERT pre-trained cased" (2019)[URL]
- Sodhi, M. S., "Managing risk to avoid supply-chain breakdown", MIT Sloan Management Review, 46(1), pp.53~61 (2004)
- Soumya George, K., "Text classification by augmenting bag of words (BOW) representation with co-occurrence feature", IOSR Journal of Computer Engineering, 16(1), pp.34~38 (2014)
- Su, C. J., "Risk assessment for global supplier selection using text mining", Computers and Electrical Engineering, 68, pp.140~155 (2018)
- Tang, C., "The power of flexibility for mitigating supply chain risks", International Journal of Production Economics, 116(1), pp.12~27 (2008)
- Tummala, R., "Assessing and managing risks using the supply chain risk management process (SCRMP)", Supply Chain Management : An International Journal, 16(6), pp.474~483 (2011)
- Wu, T., "A model for inbound supply risk analysis", Computers in Industry, 57(4), pp.350~365 (2006)