이미지-텍스트 멀티모달을 활용한 국내 스타트업–해외 바이어간 B2B 추천 모델
B2B Recommendation Model Using Multimodal Learning for Startup-Buyer Matching
오소진(한남대학교); 김재경(한남대학교)
30권 2호, 39~54쪽
초록
본 연구는 국내 스타트업과 해외 바이어 간의 제품 매칭을 향상시키기 위해 멀티모달 학습 접근법을 활용한 B2B 추천 모델을 제안한다. 기존 추천 시스템은 주로 텍스트 데이터에 의존하기 때문에, 특히 시각적 요소가 중요한 산업에서는 정보 손실이 발생할 가능성이 크다. 이러한 한계를 해결하기 위해 본 연구에서는 CLIP 모델을 활용하여 이미지와 텍스트 모달리티를 통합함으로써 보다 정확하고 문맥을 반영한 추천을 가능하게 했다. 연구를 위해 BuyKorea 플랫폼에서 제품 이미지와 설명을 추출하여 5대 주요 제품 카테고리에 대한 데이터셋을 구축했다. 모델의 성능은 Precision@K, MAP@K, NDCG@K 지표를 사용하여 평가했으며, Top-5 Precision이 82.05%를 기록했다. 결과적으로 멀티모달 학습이 텍스트 기반 접근법보다 추천 품질을 효과적으로 향상시킴을 확인할 수 있었다. 본 연구는 이미지-텍스트 표현을 활용하여 글로벌 B2B 플랫폼의 추천 모델 발전에 기여할 것으로 기대된다.
Abstract
This study proposes a B2B recommendation model utilizing a multimodal learning approach to enhance product matching between domestic startups and international buyers. Traditional recommendation systems primarily rely on textual data, often leading to information loss, especially in visually significant industries. To address this limitation, this study integrates image and text modalities using the CLIP model, enabling more accurate and context-aware recommendations. A dataset was constructed by extracting product images and descriptions from the BuyKorea platform, focusing on five major product categories. The model was trained and evaluated using Precision@K, MAP@K, and NDCG@K, demonstrating a top-5 precision of 82.05%. The results confirm that multimodal learning effectively enhances recommendation quality compared to text-only approaches. This research contributes to advancing recommendation models for global B2B platforms by leveraging image-text representations.
- 발행기관:
- 한국산업정보학회
- 분류:
- 공학일반