동일한 고객 데이터에 K-평균, 계층적 군집분석 등 다양한 알고리즘을 적용하고, 정량적 평가지표를 통해 각 모델의 성능을 비교함으로써, 최적의 세분화 모델 선택을 위한 체계적인 가이드라인을 제시한다. 논문 요약 연구 배경 고객 세분화는 현대 마케팅의 핵심적인 활동이지만, 이를 수행하기 위한 머신러닝 알고리즘은…
머신러닝을 활용하여 전통 금융과 블록체인 기반 시장의 유동성 특성을 비교 분석하고, 특히 금융 위기 시 두 시장의 상이한 작동 방식을 규명한 금융 시장 미시구조 연구이다. 논문 요약 연구 배경 블록체인 기술의 등장은 24시간 연중무휴로 작동하며 중앙 기관이 없는 새로운 형태의…
이더리움 블록체인의 방대한 거래 데이터를 머신러닝으로 분석하여, 익명의 지갑 주소 뒤에 숨겨진 사용자의 행동 유형을 자동으로 분류하는 방법론을 제시한 선구적인 온체인 데이터 분석 연구이다. 논문 요약 연구 배경 이 연구는 블록체인 데이터 분석의 초점을 ‘네트워크 자체’에서 ‘네트워크 참여자(사용자)’로 전환시킨 중요한…
대규모 온라인 게임에서 수집되는 플레이어의 행동 로그 데이터를 머신러닝으로 분석하여, 플레이어의 숨겨진 행동 패턴과 유형을 자동으로 발견하는 게임 데이터 분석의 선구적인 연구이다. 논문 요약 연구 배경 이 연구는 게임 개발자의 ‘직감’을 넘어, 실제 ‘데이터’를 통해 플레이어를 이해하려는 게임 애널리틱스(Game Analytics)…
K-평균 군집분석으로 초기 고객 세그먼트를 생성한 후, 서포트 벡터 머신(SVM)을 이용해 세그먼트 간의 경계를 명확히 학습함으로써, 신규 고객을 더 정확하게 분류하는 하이브리드 모델을 제시한다. 논문 요약 연구 배경 고객 세분화를 위한 하이브리드 모델(비지도학습 + 지도학습)의 연구가 활발해지면서, 지도학습 단계에서 어떤…