메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
박정민 (서울대학교) 송태민 (삼육대학교)
저널정보
한국사회보장학회 사회보장연구 사회보장연구 제37권 제3호
발행연도
2021.8
수록면
71 - 90 (20page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

2021

소셜 빅데이터와 머신러닝을 활용한 가계부채 부실위험의 예측
박정민 ,  송태민 한국사회복지학회 학술대회 자료집 2021.10 학술대회자료
소셜 빅데이터와 머신러닝을 활용한 가계부채 부실위험의 예측
박정민 ,  송태민 사회보장연구 2021.08 학술저널

초록· 키워드

오류제보하기
본 연구는 소셜 빅데이터와 머신러닝을 이용하여 가계부채 부실위험을 예측하는 모형을 개발하고 그 결과를 제시하였다. 자료로 2014년~2018년 5년 동안 총 280개의 온라인 채널에 등장한 채무 관련 문서 총 3,927,165건을 사용하였다. 머신러닝을 위해 지도학습을 사용하였고 구체적인 알고리듬으로 랜덤포레스트 그리고 의사결정나무 모형을 적용하였다. 또한 채무 부실위험 예측요인들 간의 상호관련성을 파악하기 위하여 비지도학습 알고리듬인 연관분석을 실시하였다. 이 연구의 결과는 머신러닝 알고리듬이 소득, 부채액, 원리금 상환액, 신용거래와 같은 개인정보 없이 온라인 문서에 등장하는 다양한 채무 및 인구사회학적 특성 요인들의 조합으로 가계부채의 부실위험을 상당히 높은 수준에서 예측할 수 있음을 보여주었다. 이 연구는 가계부채 부실위험 예측모형 개발로 실천적 함의를 제시하고, 사회현상의 이해와 위험집단의 예측을 위한 머신러닝의 적용 사례를 보여주었다는 점에서 큰 의의가 있다.
#가계부채 #부실위험 #빅데이터 #머신러닝 #인공지능 #debt #household default #big data #machine learning #artificial intelligence

목차

등록된 정보가 없습니다.

참고문헌 (4)

참고문헌 신청
박정민 / 2020 / 소셜 빅데이터를 이용한 가계부채 트렌드 및 강신호와 미래신호의 탐색 / 한국사회복지학 72(1):35~61 dbpia 신진욱 / 2019 / 불운한 생애사에 따른 과중채무 경험의 확률 추정 및 원인 분석 / 한국사회복지학 71(2):279~305 Crossref 유경원 / 2006 / 우리나라 개인파산의 결정요인 분석과 시사점 / 경제분석 12(3):157~184 google schola 박희창 / 2013 / 인과적 연관성 규칙 평가 기준의 제안 / 한국데이터정보과학회지 24(6):1189~1197 dbpia

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0