Integration of Structured and Unstructured Data for Imported Seafood Distribution

본 연구는 수산물 유통 데이터의 통합과 분석을 통해 유통 체계의 투명성과 효율성을 강화하는 방법론을 제안한다. 수산물 유통 과정에서 정형 데이터(예: HS-CODE, 수입일자, 수출입량)와 비정형 데이터(예: 제품 설명, 품질 속성) 간의 데이터 속성 불일치와 구조적 차이는 데이터 관리와 분석에서 주요한 장애 요소 로 작용한다. 본 연구는 온톨로지 방식을 활용하여 정형 데이터와 비정형 데이터 간의 관계를 정의하고, 이를 통합적으로 분석할 수 있는 체계를 구축하였다. 정형 데이터는 관세청과 같은 공공 데이터베이스에서 수집되었으며, 비정형 데이터는 자연어 처리(NLP) 기술을 적용해 수집 및 정제되었다. 연구결과, 온톨로지 방식은 정형 데이터와 비정형 데이터 간의 속성 매핑 문제를 효과적으로 해결하며, 데이터 통합 과정에서 발생할 수 있는 오류를 최소화하였다. 또한, HS-CODE를 기반으 로 수산물 품목을 세분화하고, 비정형 데이터를 통해 가공 상태, 제품 형태, 유통 경로 등 세부 정보를 추가함으로써 데이터의 일관성과 신뢰성을 높였다. 이로써 데이터 기반 의사결정을 지원하고, 수산물 유통 과정의 디지털화를 촉진하는 데 기여하였다. 특히, 본 연구는 데이터 통합 과정에서 발생할 수 있는 구조적 차이를 극복하고, 정형 데이터와 비정형 데이터의 상호 연계를 통해 수산물 유통 체계의 효율성을 향상시키는 데 중점을 두었다. 이 접근법은 수산물 유통 과정에서 발생 하는 다양한 데이터를 통합적으로 분석할 수 있는 기반을 제공하며, 향후 머신러닝 및 AI 기반 예측 모델링과의 결합을 통해 유통 체계의 혁신적 발전에 기여할 것 으로 기대된다.