--- title: "데이터 준비" slug: "nclue-data-vpc" tags: ["NCLUE", "Dataset"] updated: 2026-09-17T09:07:10Z published: 2026-09-17T09:07:10Z canonical: "guide.ncloud-docs.com/nclue-data-vpc" stale: true --- > ## Documentation Index > Fetch the complete documentation index at: https://guide.ncloud-docs.com/llms.txt > Use this file to discover all available pages before exploring further. # 데이터 준비 VPC 환경에서 이용 가능합니다. NCLUE 서비스에서 제공하는 기능은 고객사의 사용자 데이터를 기반으로 사용할 수 있습니다. 따라서 NCLUE 서비스를 이용하기 전에 필요한 데이터의 종류를 확인한 후 데이터 준비 가이드에 따라 데이터셋을 준비해 주십시오. 참고 준비된 데이터셋은 Object Storage 버킷에 업로드해 주십시오.([Object Storage 사용 가이드](/docs/storage-storage-6-1) 참조) ## 데이터 종류 NCLUE 서비스 이용에 필요한 데이터는 다음과 같습니다. - [시퀀스 데이터셋](/docs/nclue-data-vpc#%EC%8B%9C%ED%80%80%EC%8A%A4%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B1) - [정답 데이터셋](/docs/nclue-data-vpc#%EC%A0%95%EB%8B%B5%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B1) ### 시퀀스 데이터셋 시퀀스 데이터셋에 대한 설명은 다음과 같습니다. - Feature 생성에 사용되는 사용자 행동이 담긴 데이터로, 고객사의 데이터에서 사용자별로 행동 이력만 추출하여 목록으로 생성합니다. 생성한 Feature는 Task Model을 생성하는 데이터로 사용됩니다. - 시간순으로 행동 이력을 나열한 형태입니다.([시퀀스 데이터셋 포맷](/docs/nclue-data-vpc#%EC%8B%9C%ED%80%80%EC%8A%A4%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B%ED%8F%AC%EB%A7%B7) 참조) - 행동을 예측하려는 모든 사용자에 대해 시퀀스 데이터셋이 준비되어야 합니다. - <예시> 300만 명의 사용자에 대해 다양한 태스크 모델링을 수행하려면, 300만 명에 대한 행동 시퀀스 데이터셋을 모두 준비해야 합니다. ### 정답 데이터셋 정답 데이터셋에 대한 설명은 다음과 같습니다. - Task 생성에 사용되는 사용자 행동에 대한 정답이 담긴 데이터입니다. - '정답'은 Task model을 통해 예측하고자 하는 사용자의 행동이나 특성을 의미합니다. - Feature 생성에 사용된 시퀀스 데이터셋의 사용자 중에서 Task에 맞는 정답 레이블을 1로, 정답이 아닌 레이블을 0으로 태깅한 형태입니다.([정답 데이터셋 포맷](/docs/nclue-data-vpc#%EC%A0%95%EB%8B%B5%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B%ED%8F%AC%EB%A7%B7) 참조) - 사용자 중 일부에 대한 데이터만 있어도 Task를 생성할 수 있으나, 정답 데이터가 많을수록 정확도가 향상됩니다. ## 데이터 준비 데이터를 준비하기 위해 알아야 할 데이터 포맷과 작성에 대한 설명을 데이터 종류별로 확인해 주십시오. - [시퀀스 데이터셋](/docs/nclue-data-vpc#%EC%8B%9C%ED%80%80%EC%8A%A4%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B2) - [정답 데이터셋](/docs/nclue-data-vpc#%EC%A0%95%EB%8B%B5%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B2) ### 시퀀스 데이터셋 시퀀스 데이터셋의 포맷과 작성에 대한 설명은 다음과 같습니다. #### 시퀀스 데이터셋 포맷 Feature 생성에 필요한 시퀀스 데이터셋의 포맷은 다음과 같습니다. tab 구분자 .csv 형태 파일로 준비해 주십시오. - **데이터 포맷** ``` # 구분자 tab {user_id}\t{sequence} ``` - **{sequence} 형태** ``` {behavior}<|s|>{behavior}<|s|>{behavior}<|s|>......<|s|>{behavior} ``` - **최종 데이터 포맷** ``` # format : {user_id}\t{behavior}<|s|>{behavior}<|s|>......<|s|>{behavior} ``` - <예시> ``` u730023 스타벅스 판교아브뉴프랑점<|s|>모모스<|s|>포켓몬 GO<|s|>한라봉<|s|>에어팟<|s|>나이키 세일 ``` #### 시퀀스 데이터셋 작성 시퀀스 데이터셋 작성에 대한 설명은 다음과 같습니다. - 사용자 아이디({user_id}) - 사용자 아이디는 중복될 수 없습니다. - 숫자, 문자열, 또는 숫자와 문자열의 조합을 입력할 수 있습니다. - 최대 허용 길이는 100자입니다. - 개인 정보가 포함된 식별자(주민등록번호, 여권 번호, 운전면허 번호, 신용카드 번호, 휴대폰 번호, 이메일 등)는 사용자 아이디로 사용할 수 없습니다. - 고객사 시스템에서 사용하는 사용자의 아이디 대신 NCLUE 서비스용 별도 사용자 아이디를 생성하여 사용하기를 권장합니다. - 행동 ({behavior}) - '행동'(behavior)이란 사용자가 고객사의 서비스 및 상품을 이용했을 때, 구분이 되는 고유한 행동을 말합니다. - 검색한 키워드, 조회한 서비스명, 구매한 상품명 등이 입력 가능한 행동의 예시입니다. - 다양한 행동 이력을 표현할 수 있는 모든 문자열(단어, 어구, 구절, 문장)을 입력할 수 있습니다. - 네이버 서비스에서 발생할 만한 행동 (네이버 검색어, 쇼핑 상품명, 상호명 등)과 유사한 문자열을 입력하기를 권장합니다. - {behavior} 값은 사람이 봤을 때 이해할 수 있도록 띄어쓰기를 포함하여 입력해 주십시오. - {behavior}는 공백 또는 특수문자를 포함할 수 있습니다. - 시퀀스({sequence}) - 시퀀스에 입력된 행동들은 나열된 순서만 고려됩니다. 한 사람에 대한 행동 이력을 시간 정보를 제외하고 '<|s|>'로 구분하여 시간순으로 나열해 주십시오. 가장 왼쪽의 행동이 가장 오래된 행동을 의미하며, 오른쪽으로 갈수록 최신 행동을 의미합니다. - 시퀀스의 최대 길이는 내부에서 사용하는 HyperCLOVA의 토큰 4096개로 제한됩니다. 하나의 시퀀스에는 행동 문자열의 길이에 따라 최대 150~500개의 행동을 포함할 수 있습니다. 최대 길이를 초과할 경우, 초과한 문자열에 대한 내용은 입력되지 않습니다. 참고 - 시퀀스 데이터셋에 입력된 사용자 정보는 NCLUE 서비스 내에서 구분자로만 사용되며, Feature 생성이나 Task Model 학습의 입력값으로 사용되지 않습니다. ### 정답 데이터셋 정답 데이터셋 포맷과 작성에 대한 설명은 다음과 같습니다. #### 정답 데이터셋 포맷 Task 생성에 필요한 정답 데이터셋의 포맷은 다음과 같습니다. tab 구분자 .csv 형태 파일로 준비해 주십시오. - **데이터 포맷** ``` # 구분자 tab {user_id}\t{label} ``` - **최종 데이터 포맷** ``` # format : {user_id}\t{label} ``` - <예시> ``` u192873 0 u730023 1 u239376 0 u846712 1 u558145 1 ``` #### 정답 데이터셋 작성 정답 데이터셋 작성에 대한 설명은 다음과 같습니다. - {label}은 1(정답인 경우)과 0(정답이 아닌 경우)으로 표기합니다. - 정답 데이터셋은 0과 1 각각 100개씩, 총 200개 이상을 준비해야 하며, 데이터 양이 많을수록 성능이 향상됩니다. - Feature 생성에 사용한 시퀀스 데이터셋의 사용자 아이디 중 일부를 선택하여 정답 데이터셋을 작성할 수 있습니다. - <예시> 특정 Task A를 알아내기 위한 정답 데이터가 100만 명 중 2000명에게 있다면, 2000명에 대해서만 1로 표시하고 나머지 일부는 0으로 표시하여 정답 데이터셋으로 사용합니다. - Task Model 목적에 따라 정답 데이터셋을 작성할 수 있습니다. - <예시> 자사 상품 중 M이라는 상품을 살 것 같은 사용자를 예측하는 Task Model이라면 자사 고객 중 M을 구입한 사람을 1로, 구입하지 않은 사람을 0으로 정답 데이터셋을 작성할 수 있습니다. - 사용자 아이디({user_id})에는 개인 정보(주민등록번호, 여권 번호, 운전면허 번호, 신용카드 번호, 휴대폰 번호, 이메일 등)가 포함될 수 없습니다.