Improving C2 Workflow Performance with a Factorization Machine-based Recommendation System

본 연구는 군 지휘통제체계(C2)에서 정보 과부하로 인한 업무 효율성 저하 문제를 해결하기 위해, 모듈화된 추천시스템 구조의 적용을 제안한다. 특히, GPU 등 고성능 장비 도입이 어려운 군 환경을 고려하여, CPU 기반에서도 학습과 추론이 가능한 Factorization Machine(FM) 모델을 채택하였다. 또한, ATCIS DB의 테이블 구조와 유사한 MIND 데이터셋을 활용한 실험을 통해 체계 적용가능성을 검증하였다. 실험 결과, FM은 유사 연구와 비교해 유사한 수준의 성능(AUC 0.60, nDCG@10 0.37)을 보였으며, CPU만으로도 효과적으로 동작할 수 있음을 확인하였다. 이를 통해, FM 모델 기반으로 제안한 추천시스템 모듈은 실제 군 지휘통제체계에 실질적으로 적용될 수 있는 가능성을 시사하며, 향후 실제 군 정보를 활용 할 경우 현재 체계에 실 적용될 것을 기대한다.