Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

City-Level Foreign Direct Investment Prediction with Tabular Learning on Judicial Data

Created by
  • Haebom

저자

Tianxing Wu, Lizhe Cao, Shuang Wang, Jiming Wang, Shutong Zhu, Yerong Wu, Yuqing Feng

개요

본 논문은 유엔 지속가능발전목표 달성을 위한 외국인직접투자(FDI) 예측의 신뢰성 향상을 목표로 한다. 기존의 GDP 등 경제 데이터 기반 FDI 예측의 조작 가능성 문제를 해결하기 위해, 대규모 사법 데이터를 활용하여 도시별 FDI를 예측하는 새로운 방법을 제시한다. 1200만 건 이상의 공개 판결문을 분석하여 사법 성과 평가 지표 시스템을 구축하고, 이를 바탕으로 새로운 표 형태 학습 방법(TLJD)을 제안한다. TLJD는 사법 성과 지표를 효과적으로 인코딩하고 지역적 차이를 고려하여 다양한 지표의 가중치를 조정하는 전문가 혼합 모델을 활용한다. 도시 간 및 시간 경과에 따른 FDI 예측 실험 결과, TLJD는 기존 최첨단 방법들보다 우수한 성능(최소 0.92 R2)을 보였다.

시사점, 한계점

시사점:
사법 데이터를 활용한 FDI 예측의 새로운 가능성 제시
경제 데이터의 한계를 극복하고 FDI 예측의 신뢰성 향상
TLJD 모델의 우수한 성능 검증 (높은 R2 score 달성)
지역적 차이를 고려한 지표 가중치 조정의 효과성 확인
한계점:
사용된 사법 데이터의 특정 지역 또는 국가에 대한 편향 가능성
사법 데이터 외 다른 요인(정치적 요인, 사회적 요인 등) 고려 부족
모델의 일반화 가능성에 대한 추가적인 검증 필요
R2 score 만으로는 모델의 성능을 완벽하게 평가할 수 없다는 점 (다른 평가 지표 고려 필요성)
👍