An Integrated Model Utilizing RASFF Data to Enhance Hazard Prediction Accuracy for Imported Foods

최근 수입 식품의 안전성 관리 중요성이 전 세계적으로 증가함에 따라, 기계 학습 기술을 활용한 효율적인 위해 요소 예측이 주목받고 있다. 본 연구는 수입 식품의 위해 요소 예측 성능을 높이기 위해 기존 내부 데이터에 유럽의 식품 및 사료 신속경보시스템(RASFF) 데이터를 통합한 새로운 예측 모델을 제안한다. 본 연구의 주요 기여는 RASFF 데이터를 바탕으로 ‘최종빈도가중치’라는 변수를 개발하여 모델에 적용한 것으로, 실험 결과 모든 품목군에서 해당 변수를 추가한 앙상블 모델이 가장 우수한 Recall 성능을 보였다. 이를 통해 최종빈도가중치 변수가 부적합 식품 예측 성능 향상에 기여함을 확인하였다. 본 연구는 외부 데이터 통합이 수입 식품 위해 요소 예측의 정밀도를 높이는 데 중요한 역할을 할 수 있음을 시사하며, 정기적인 데이터 갱신을 통해 모델 성능의 지속적인 개선 가능성을 탐색하고자 한다.