정치 뉴스 기사 댓글에 대한 딥러닝 기반 이상치 탐지 모형 비교 연구 (A comparative study on deep learning-based anomaly detection models for political news article comments)

서지정보

· 발행기관 : 한국데이터정보과학회
· 수록지 정보 : 한국데이터정보과학회지 / 36권 / 2호 / 277 ~ 292페이지
· 저자명 : 변영주, 김상범, 박현진, 임요한, 한규섭, 유동현

초록

현대 사회에서 소셜 미디어 및 인터넷 활용이 급속도로 증가함에 따라, 악성 댓글 및 스팸 메일과 같이 정상적인 분포에서 벗어나는 비정상적인 텍스트 데이터가 증가하고 있다. 이러한 문제의 해결을 위해 스팸 메일 및 악성 댓글 등을 식별하기 위한 텍스트 이상치 탐지 및 자연어 처리와 관련된 연구가 활발히 이루어지고 있다. 본 논문에서는 네이버 정치 뉴스 기사 댓글 데이터를 활용하여 딥러닝 기반 모형의 텍스트 이상치 탐지 성능을 비교하였다. 네이버 클린 봇에 의한 검열 정보의 활용 유무에 따라 지도 학습과 비지도 학습 접근 방식을 적용하여 모형의 성능을 비교하였으며, 한국어를 기반으로 사전 학습된 자연어 처리 모형을 활용하여 임베딩 벡터를 산출하였다. 이상치 탐지 성능 비교 결과, 지도 학습 기반 모형에서는 KcELECTRA 임베딩 기반의 FFNN 이진 분류 모형이 가장 우수한 성능을 보였으며, 비지도 학습 기반 모형에서는 KcBERT 임베딩 기반의 Deep SVDD모형이 가장 우수한 성능을 나타내었다.

영어초록

Abnormal text data, such as malicious comments and spam emails, has significantly increased as the use of social media and online media services rapidly expands. To address these issues, text anomaly detection and natural language processing for identifying spam emails and malicious comments have gained considerable attention. This paper compares the performance of deep learning-based models for text anomaly detection using comment data from Naver's political news articles. The study applied supervised and unsupervised learning approaches based on the results from Naver's Cleanbot, and embedding vectors were derived using pre-trained natural language processing models for the Korean language. From the comparison results, the supervised learning model with the KcELECTRA embedding-based FFNN classification model achieved the best performance, while the unsupervised learning model with the KcBERT embedding-based Deep SVDD model demonstrated the best performance.

참고자료

· 없음