논문 정보
- 날짜:
2026-02-25
- 카테고리: -
- 우선순위 점수: 0.0
핵심 요약
비정형 텍스트로 기록된 컨테이너 화물 정보를 생성형 AI를 통해 국제 표준 코드로 정규화하여 기계 학습 모델의 입력 데이터로 활용하는 프레임워크를 제안합니다. 실시간 EDI 상태 업데이트에 따른 동적 재예측을 수행하여 수입 컨테이너의 체류 시간 예측 정확도를 높였습니다. 실제 터미널 데이터 실험 결과, 기존 모델 대비 평균 절대 오차(MAE)를 13.88% 개선하고 컨테이너 재취급 횟수를 최대 14.68% 감소시켰습니다.
학습자 관점 포인트
- 우리 팀 영향: 비정형 물류 데이터를 생성형 AI로 전처리하여 예측 모델의 성능을 직접적으로 향상시킨 실무적 사례로서 데이터 정제 파이프라인 설계에 참고할 수 있습니다.
- 권장 액션: 도입 검토
- 액션 근거: 비정형 텍스트 데이터의 표준화가 예측 성능 향상과 운영 효율화에 미치는 영향이 수치로 검증되어 실무 적용 가치가 높습니다.
원문 링크
학습자는 이 문서를 읽고 실험 여부를 바로 결정하세요.
