Optimizing Supply Chain Partnerships for Incheon-Based Suppliers : A Deep Neural Network Approach

본 연구의 목적은 심층 신경망(DNN) 기반의 비즈니스 파트너 추천(BPR) 모델을 이용하여 인천 지역 공급업체와 전국 구매업체들 간의 거래 확률을 예측하고 거래 성공 예측 변수를 찾는 데 있다. 본 연구는 인천 소재 공급업체의 독특한 거래 패턴을 이해하는 데 중점을 두며, 산업 분야, 제품 특성, 지리적 거리, 거래량 등 다차원 데이터를 통합하여, 성공적인 파트너십의 가능성을 평가하는 거래 확률 점수(Transaction Probability Score)를 제시한다. 분석 결과 인천 소재 공급업체의 성공적인 거래를 위한 중요한 예측 변수는 지리적 근접성보다 산업 호환성 및 제품 전문성이라는 것이 밝혀졌다. 이러한 결과는 복잡한 거래 네트워크 내에서 공급망 효율성을 향상하고 파트너십 추천을 최적화하는 심층 학습 모델의 가치를 보여준다고 할 수 있다.

The purpose of this study is to predict the transaction probability between Incheon-based suppliers and nationwide buyers using a Deep Neural Network (DNN)-based Business Partner Recommendation (BPR) model and to identify key predictors of transaction success. Focusing on the unique transaction patterns of Incheon-based suppliers, this study integrates multidimensional data, including industry sector, product characteristics, geographical distance, and transaction volume, to present a Transaction Probability Score that assesses the likelihood of successful partnerships. The analysis reveals that industry compatibility and product specialization are more significant predictors of successful transactions for Incheon-based suppliers than geographical proximity. These findings highlight the value of deep learning models in enhancing supply chain efficiency and optimizing partnership recommendations within complex trade networks.