본 논문은 의류 제품의 트렌드를 나타내는 키워드 검색량, 패션쇼 이미지, 패션 트렌드 문서를 통해, 각각의 트렌드 데이터와 판매 데이터 간의 연관성을 반영하여 의류 제품의 수요를 예측...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=T16809831
서울 : 연세대학교 대학원, 2023
2023
한국어
딥러닝 ; 멀티 모달 딥러닝 ; 수요 예측 ; 시계열 ; GTM-Transformer ; Cross-Attention
서울
Predicting the demand for clothing products using cross-attention based multi-modal deep learning
v, 36장 : 삽화(일부천연색) ; 26 cm
지도교수: 김우주
I804:11046-000000550100
0
상세조회0
다운로드국문 초록 (Abstract)
본 논문은 의류 제품의 트렌드를 나타내는 키워드 검색량, 패션쇼 이미지, 패션 트렌드 문서를 통해, 각각의 트렌드 데이터와 판매 데이터 간의 연관성을 반영하여 의류 제품의 수요를 예측...
본 논문은 의류 제품의 트렌드를 나타내는 키워드 검색량, 패션쇼 이미지, 패션 트렌드 문서를 통해, 각각의 트렌드 데이터와 판매 데이터 간의 연관성을 반영하여 의류 제품의 수요를 예측하는 Cross-Attention 기반 GTM-Transformer 모델을 제안하고자 한다. 본 논문에서 제안하는 모델은 GTM-Transformer를 참고했으며, GTM-Transformer는 Attention 매커니즘을 활용하여 의류 제품의 속성과 키워드 검색량의 연관성을 반영하는 특징을 갖는다.
의류 제품의 트렌드와 판매 데이터 간의 연관성을 반영하기 위해서 키워드 검색량, 패션쇼 이미지, 패션 트렌드 문서를 Concat한 뒤, Attention 매커니즘을 통해 판매 데이터와 각각의 트렌드 데이터 간의 연관성을 도출했다. 성능 비교를 위해 대표적인 머신러닝 모델인 Linear Regression, Support Vector Machine, Decision Tree 모델과 제안하는 모델로 실험하여 비교했다. 또한, 키워드 검색량을 제외한 트렌드 데이터를 판매 데이터에 Concat하여 판매 데이터와의 연관성을 고려하지 않은 모델과의 비교 분석도 진행했다. 추가적으로, 시계열 형태의 판매 정보를 반영하여 성능을 비교했다. 분석 결과, 본 논문에서 제안하는 방법인 Cross-Attention 기반으로 각각의 트렌드 데이터와 판매 데이터 간 연관성을 반영하는 모델이 가장 우수한 성능을 보임을 확인했으며, 시계열 형태의 판매 정보를 반영했을 때 성능 향상을 보였다. 본 논문에서 제안하는 방법은 트렌드를 효과적으로 반영하여 수요 예측의 정확도를 향상시킬 것으로 기대한다.
목차 (Table of Contents)