인터넷상의 뉴스 데이터를 웹 크롤링하여 일별 목적 상품의 가격과 뉴스 데이터를 수집하는 데이터부; NLP를 통해 상기 데이터부에서 수집한 데이터에 대한 전처리를 진행하여 TF-IDF를 계산하는 전처리부;상기 전처리부에서 전처리된 데이터를 활용하여 튜닝모수의 선택과 함께 예측 모형을 개발하여 생성하고, 생성된 모형을 검증하고 튜닝모수 값을 추정하는 모형부; 및상기 모형부에서 계산한 튜닝모수를 적용한 예측 모형을 통해 예측을 시행하는 예측부를 포함하며;상기 모형부에서는, 전처리부의 NLP에서 계산된 TF-IDF값 중 최소값과 최대값에 해당하는 단어들은 제외하고 TF-IDF값이 큰 순으로 단어를 일부 선택하여 모형부의 설명변수로 적용하며;상기 예측부는, 모형부에서 생성된 로지스틱 LASSO 회귀모형 또는 다중 로지스틱 LASSO 회귀모형 중 어느 하나를 선택하여 진행하며;로지스틱 LASSO 회귀모형으로 진행 시 특정 시점 이후의 목적 상품 가격 변동을 상승 및 하락 중 하나로 예측하고, 다중 로지스틱 LASSO 회귀모형 진행 시 특정 시점 이후의 목적 상품 가격 변동을 적어도 세 개 이상의 범주로 세분화하여 그 중 하나로 예측하며;상기 예측부는, 1개월 이내의 특정 시점 이후 목적 상품 가격의 변동을 예측하는 것을 특징으로 하는 상품 가격 예측 시스템.

삭제

삭제

청구항 1에 있어서,상기 모형부는,주어진 데이터의 최신 데이터를 테스트 데이터로, 나머지는 트레이닝 데이터로 분리하여 검증을 진행하는 것을 특징으로 하는 상품 가격 예측 시스템.

인터넷상의 뉴스 데이터를 상품 가격 예측 시스템의 데이터부에서 웹 크롤링하여 일별 목적 상품의 가격과 뉴스 데이터를 수집하는 데이터 수집 단계;NLP를 통해 상기 데이터 수집 단계에서 수집한 데이터에 대한 전처리를 상품 가격 예측 시스템의 전처리부에서 진행하여 TF-IDF를 계산하는 전처리 단계;상기 전처리부에서 전처리된 데이터를 활용하여 상품 가격 예측 시스템의 모형부에서 로지스틱 LASSO 회귀모형 또는 다중 로지스틱 LASSO 회귀모형 중 어느 하나를 선택하여 모형을 생성하는 모형 생성 단계;상기 모형 생성 단계에서 생성된 모형을 상품 가격 예측 시스템의 모형부에서 검증을 통해 튜닝모수 값을 추정하는 검증 및 계산 단계; 및상기 검증 및 계산 단계를 통해 계산한 튜닝모수를 적용한 예측 모형을 통해 상품 가격 예측 시스템의 예측부에서 예측을 시행하는 예측 단계를 포함하며;상기 모형 생성 단계는, 전처리부의 NLP에서 계산된 TF-IDF값 중 최소값과 최대값에 해당하는 단어들은 제외하고, TF-IDF값이 큰 순으로 단어를 일부 선택하여 모형부의 설명변수로 적용하며;상기 예측 단계는, 모형 생성 단계에서 생성된 로지스틱 LASSO 회귀모형으로 진행 시 특정 시점 이후의 목적 상품 가격 변동을 상승 및 하락 중 하나로 예측하며;다중 로지스틱 LASSO 회귀모형 진행 시 특정 시점 이후의 목적 상품 가격 변동을 적어도 세 개 이상의 범주로 세분화하여 그 중 하나로 예측하며;상기 예측 단계는, 1개월 이내의 특정 시점 이후 목적 상품 가격의 변동을 예측하는 것을 특징으로 하는 상품 가격 예측 방법.

삭제

삭제

청구항 5에 있어서,상기 검증 및 계산 단계는,주어진 데이터의 최신 데이터를 테스트 데이터로, 나머지는 트레이닝 데이터로 분리하여 검증을 진행하는 것을 특징으로 하는 상품 가격 예측 방법.