결측 데이터는 광범위한 분야에서 분석 및 의사 결정에 심각한 영향을 미치는 중요한 문제이다. 이 논문은 결측 데이터의 기본 개념, 결측 메커니즘, 단일 대 다중 imputation, 다양한 imputation 목표를 체계적으로 검토하고, 고전적인 기법부터 딥러닝 모델, 대규모 언어 모델에 이르기까지 imputation 방법을 포괄적으로 분류한다. 또한, 텐서, 시계열, 스트리밍 데이터, 그래프 구조 데이터, 범주형 데이터, 다중 모달 데이터를 위한 방법론을 살펴본다. imputation과 다운스트림 작업 간의 통합, 이론적 보장, 벤치마킹 리소스 및 평가 지표를 검토하며, 향후 연구를 위한 로드맵을 제시한다.
