LSTM 기반 복권 구매자의 행동 분석

중독 행동 분석은 심리 상담 분야에서 중요한 주제이다. 본 연구는 딥러닝 기반 복권 구매자의 행동을 예측하는 방법을 제시한다. 제안된 딥러닝 방법은 사용자의 지난 4주간의 구매 패턴을 바탕으로 이후 1주 동안의 복권 구매 총 금액을 예측한다. 데이터는 전처리 이후 4가지 형태의 복권 유형 (로또, 연금, 즉석, 추첨)에 대한 일별 구매 횟수와 구매 총량으로 구조화 되어 지도학습을 위한 샘플로 변환된다. 샘플이 시계열 데이터 형태가 됨으로 시계열 방법에 장점을 갖고 있는 long short term memory (LSTM) 방법을 사...

Full description

Saved in:
Bibliographic Details
Published in한국정보통신학회논문지, 29(7) pp. 911 - 918
Main Authors 박성철, 오은빈, 조광현, 김동현, 김에스더
Format Journal Article
LanguageKorean
Published 한국정보통신학회 01.07.2025
Subjects
Online AccessGet full text
ISSN2234-4772
2288-4165

Cover

More Information
Summary:중독 행동 분석은 심리 상담 분야에서 중요한 주제이다. 본 연구는 딥러닝 기반 복권 구매자의 행동을 예측하는 방법을 제시한다. 제안된 딥러닝 방법은 사용자의 지난 4주간의 구매 패턴을 바탕으로 이후 1주 동안의 복권 구매 총 금액을 예측한다. 데이터는 전처리 이후 4가지 형태의 복권 유형 (로또, 연금, 즉석, 추첨)에 대한 일별 구매 횟수와 구매 총량으로 구조화 되어 지도학습을 위한 샘플로 변환된다. 샘플이 시계열 데이터 형태가 됨으로 시계열 방법에 장점을 갖고 있는 long short term memory (LSTM) 방법을 사용하였다. 또한 과적합을 막기 위한 드랍아웃이 적용되었다. 결과장에서 본 연구팀은 최적의 노드의 수 및 드랍아웃 비율을 찾기 위한 실험을 보고하였다. 결과적으로 예측된 향후 구매 금액이 실제 구매 금액과 전체적으로 일치하는 것을 확인하였다. 본 연구는 온라인 복권 플랫폼에서 잠재적으로 중독 행동을 갖고 있는 구매자에 대한 조기 경보 시스템 구축 등으로 확장 될 수 있다. The analysis of addictive behaviors is a critical topic in psychology. This study proposes a deep learning-based method for predicting the behavior of lottery buyers. The proposed deep learning approach predicts the total purchase amount for the upcoming week based on purchase patterns from the past four weeks. After preprocessing, the data is structured into daily purchase frequency and total purchase volumes for four types of items (lotto, pension, instant, and draw). Since the samples is time-series type, a long short-term memory (LSTM) method was employed. Additionally, dropout was applied to prevent overfitting. In the results section, we report experiments conducted to identify the optimal number of nodes and dropout ratio. As a result, the predicted future purchase amounts were found to closely align with actual purchase amounts overall. This approach has the potential to be extended to applications such as early warning systems for buyers with potential addictive behaviors on online lottery platforms. KCI Citation Count: 0
Bibliography:http://jkiice.org
ISSN:2234-4772
2288-4165