금융문자들을 분석하여 스미싱 여부를 분류하는 대회

금융문자들을 분석하여 스미싱 여부를 분류하는 대회에 참가하여 1등이라는 성적을 낸 경험이 있습니다. 평가 기준으로 정확도(auc score) 뿐만 아니라 스미싱 문자를 예측하는데 까지 걸리는 시간(inference time)도 포함되어 있었습니다. tokenization, tf-idf 등 다양한 NLP 지식을 이용하여 전처리와 기본 모델을 구성하였습니다. 또한, 빠르면서도 좋은 성능을 내는 모델을 찾기 위해 자체적으로 validation set을 구축하였으며, 실험을 통해 팀원들이 제시한 아이디어를 적용하고 검증하였습니다.

알고리즘과 데이터에 내재된 편향성을 학습한 인공지능이 이를 이용하는 이용자의 의사결정에 영향을 미치는 정도를 정량적으로 분 석하는 것이 연구의 목적이었습니다. 연구를 위해 직접 가정을 설정하고 실험을 설계하였습니다. 또한, 웹크롤링을 통해 직접 데이터 를 수집하였으며, 학습을 위한 데이터 전처리를 진행했습니다. 이후 실험에 필요한 모델을 리서치하고 이를 검증하였으며, 실험에 필요한 콘텐츠를 만들기 위하여 GPT2를 이용하여 텍스트를 생성하고 이를 통해 설문조사를 진행했습니다.

자격번호 : 19202070550Y

작가와 독자에 관한 정보와, 콘텐츠(글), 독자의 행태 정보를 바탕으로 독자가 앞으로 읽을 콘텐츠(글)를 추천하는 대회에 참여했던 경험이 있습니다. 팀을 이루어 참여했으며, 콘텐츠 정보를 분석하여 콘텐츠 기반 추천시스템에 input이 될 콘텐츠의 특징을 만드는 역할을 주로 수행했습니다. 독자들의 행태 특성상 시계열적인 특징도 있었으므로 이를 모두 고려한 모델을 만들고자 했습니다. 비록 리더보드에 이름을 올리지 못했지만, 추후 추천시스템에 관심을 가지고 연구를 하게 되는 계기가 되었습니다.