중국석유천연가스그룹유한공사(약칭 중국석유)는 다양한 상품(석유제품 및 비석유제품 포함)을 운영하며 주유소 수가 많습니다. 각각의 상품은 다른 주유소에서 판매 패턴이 다르며, 소매 업무 분석 실무에서 각 주유소별 각 상품에 대해 개별 모델을 구축하는 것은 현실적이지 않습니다. 따라서 통합 모델을 사용하여 다양한 상품의 판매량을 예측해야 하며, 모델의 적합자가 서로 다른 상품과 주유소의 차이점을 구분할 수 있어야 합니다. 각 상품과 주유소에 대해 원-핫 인코딩을 수행하면 데이터 차원이 높아지고 학습에 사용할 적절한 판매량 데이터가 충분하지 않기 때문에, 지식 그래프와 그래프 신경망 모델을 도입하여 서로 다른 상품과 주유소를 소수 차원의 벡터 공간에 매핑함으로써 모델 적합자가 소수 차원으로 서로 다른 상품이나 주유소의 차이점을 구분할 수 있게 하여 통합 모델 구축 목표를 달성하는 방안을 제안합니다. 완제품 석유 소매 업무 판매량 예측을 예로 들면, GATNE(이질 그래프 신경망 임베딩 모델)를 사용하여 주유소와 상품 특성을 벡터화하고, 과거 데이터 벡터와 결합하여 XGBoost(극단적 그래디언트 부스팅 트리) 등의 판매량 예측 모델의 입력 데이터로 활용합니다. 검증 결과, 상품과 주유소 그룹을 기반으로 직접 통합 모델을 구축하는 것보다 주유소 차원에서 석유 노드 그래프 벡터 표현을 도입하여 구축한 통합 판매량 예측 모델이 더 높은 예측 정확도를 가지며, 상품 번호별 주유소 단독 모델과 비교할 때 비즈니스 로직에 부합하며 실제 비즈니스 적용 가치가 있음을 확인했습니다.

완제품 석유;판매량 예측;지식 그래프;GATNE 모델;XGBoost 모델