AI-Hub

데이터 변경이력

데이터 히스토리

소개

전국을 수도권, 동부권, 서부권, 제주 및 도서지역 각 권역별로 4천세트 씩, 총 16,000세트의 여행로그 데이터를 구축

구축목적

- 여행자의 이동패턴과 소비내역, 활동 내역 등 데이터 수집
- 관광업계 자체적으로 수집하기 어려운 양질의 AI데이터 제공
- AI기술을 활용한 관광산업 혁신 생태계 구축
- AI기술 기반의 개인화된 서비스로 관광객들의 경험 향상

1. 데이터 구축 규모

2. 데이터 분포

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

1. 여행객 정보 기반 고지출 예측 모델 
◦ 모델 목적
- 여행객들의 사전 정보를 토대로 여행 출발 전, 여행지에서 지출을 많이하는 여행객을 미리 예측하여 분류
◦ 사용 모델 및 선정 이유
- 본 과제에서 활용할 수 있는 여행객 사전 정보에 범주형 데이터가 다수 존재하여 범주형 데이터를 효율적으로 처리하기 위해 Categorical Boosting Machine(Cat Boost)을 후보군 선정
- 또한 데이터 특성과 모델 목적상 과적합 최소화를 위해 Cat Boost가 오버피팅을 줄이는 데 이점이 있고 자체적으로 feature importance를 제공하기에 예측 결과에 대한 사후 분석(feature 관련)에 유리하다는 점을 고려
- 본 과제 1차 샘플 데이터를 활용하여 다른 모델들과 Cat Boost의 성능을 비교했을 때 Cat Boost가 우수한 성능을 보였고, 최종적으로 사용 모델로 선정
◦ 사용 데이터
- 여행객 데이터 중 지출 예측에 유의미하다고 판단되는 데이터를 통합하고, data leakage가 없는 데이터를 선별하여 사용
- 거주지시군구코드, 성별, 최종학력이수여부, 혼인상태, 가족현황, 직업_기타, 본인소득, 가구소득, 여행빈도_기간, 여행빈도, 선호여행_시도(3개), 여행스타일(8개), 여행현황(거주지, 목적지, 동반현황), 여행 동기, 주요이동수단, 여행 페르소나, 사전 소비내역
◦ 전처리 작업
- 여행일수 전처리 : 여행 시작 및 종료 날짜 정보를 추출하고 총 여행 일수를 계산
- 사전 숙박 예약 정보 : 숙박 데이터 결제 정보 중, 여행 일자 이전에 미리 예약한 내역만을 추출하여 ‘사전 숙소 예약 금액’을 0과 1사이 bin으로 처리
- 동반자 연령대 : 구체적 연령대를 알 수 없어, 동반자 연령대의 평균을 추출하여 사용
- feature 내부 데이터 전처리 : 데이터 중 라벨 인코더로 부여할 수 없는 정보들을 추출하고, 각 데이터 형태에 맞게 범주형 변수로 변경
    ex) 3개의 column에 나눠 있는 범주형 형태의 여행 동기를 binary 형태의 data로 
       바꿈
◦ 학습 모델 설계
- Smote 적용
- Imbalanced data model pipeline 구축
- grid search와 random search를 조합한 Hyper parameter 탐색
- 최종 모델 적합

[고지출 예측모델 학습 스크린샷]

◦ 성능 평가
- 이진 분류를 평가하기에 적합한 f1_score을 기준으로 사용
- 학습결과는 f1_score 성능 목표를 넘겼으며 test data set을 활용하여 검증한 결과는 아래와 같음

           - confusion matrix: 

2. 여행객 선호도 기반 여행 장소 추천 모델
◦ 모델 목적
- 유저 정보와 여행지역(시/도) 정보가 주어지면 10개의 여행지를 추천하는 모델
◦ 사용 모델 및 선정 이유
- [Cat Boost] 특성변수가 범주형일 때 일반적으로 사용하는 one-hot encoding 대신 실수인 순서목표통계량(ordered target statistic)으로 전환하여 사용하는 방식 
- 범주형 특성변수가 많을 때 적합한 모델임. 본 과제에서는 범주형 데이터인 여행지명, 시/도, 군/구 정보를 학습하기에 용이하기 때문에 CatBoost를 모델로 선정
◦ 사용 데이터 (사용 변수)
- (Input data) 유저 정보 및 여행지 정보
- (output) 추천 여행지 10군데
- 데이터 중 활용 변수는 유저 정보와 여행지 정보로 구분하여 사용

◦ 전처리 작업
- 여행지 선별 : 방문지 유형코드 중 1-자연관광지, 2-역사/유적/종교 시설 (문화재, 박물관, 촬영지, 절 등), 3-문화시설(공연장, 영화관, 전시관 등), 4-상업지구(거리, 시장, 쇼핑시설), 5-레저/스포츠 관련 시설(스키, 카트, 수상레저), 6-테마시설(놀이공원, 워터파크), 7-산책로, 둘레길 등, 8-지역축제, 행사에 해당하는 방문지를 여행지로 파악해 데이터 사용
- 시/도 변수, 군/구 변수 생성 : 여행지의 주소에서 시/도와 군/구 변수 생성
      예시) 인천 강화군 삼산면 매음리 629 → 시/도 변수: 인천, 군/구 변수: 강화군
- 학습데이터에서 여행지에 대한 평균 변수 생성 : 학습데이터에서 각각의 여행지마다 체류시간 평균, 추천의향 점수의 평균, 재방문 비율, 동반자 수의 평균, 재방문의향 점수의 평균을 산출해 변수 생성

◦ 학습모델 설계
- Random Search를 활용한 초모수 조절 
 · K-Fold Cross Validation를 병행하여 가장 검증된 초모수 값 확보
 · 데이터셋에 고유한 관광지가 많아 학습 시 최대한 많은 데이터를 보존하기 위해 K=10, 10개의 fold로 교차검증 진행
- CatBoost Regressor를 적용해 만족도 예측
 · 만족도: 1(매우 불만족), 2(불만족), 3(보통), 4(만족), 5(매우 만족)
- 모델이 예측한 여행지의 만족도가 4.5이상이면 추천 항목에 포함
       ※ 추천의 기준으로 설정한 4.5는 도메인에 따라 조정이 가능하며 본과제에서는 사용자가 관광지에 대한 만족도를 4점, 5점으로 주는 경향이 높아 보수적으로 4.5를 임계값으로 설정
◦ 성능 평가
- Recall@10

※ 사용자가 만족하는 모든 아이템 중에서 모델이 추천한 아이템 10개가 얼마나 포함되는지 비율을 의미하며 각 사용자마다의 recall@10 값을 구하여 그 평균을 최종 recall@10 값으로 산정

- 최종 성능 : 0.3745 (목표 성능 이상)

데이터 성능 점수

설명서 및 활용가이드 다운로드

1. 데이터 구축 ERD

[ 3-005_국내여행로그데이터수집_ERD.png ]

2. 데이터 구성

데이터셋 구축 담당자

수행기관(주관) : ㈜데이터웨이

수행기관(참여)

데이터 관련 문의처