재난 주제 소셜미디어 데이터셋 구축을 위한 주제 적합성 분류 모델 연구 (An ensemble machine learning model for identifying relevant messages for social media)

서지정보

· 발행기관 : 명지대학교(서울캠퍼스) 인문과학연구소
· 수록지 정보 : 인문과학연구논총 / 44권 / 4호 / 121 ~ 153페이지
· 저자명 : 최지명, 함승경

초록

소셜미디어에서 매일 생산되고 유통되는 수많은 정보는 데이터의 과잉으로이어져 필요한 때에 필요한 정보를 찾는 것을 어렵게 만든다. 본 연구는 이러한데이터에서 필요한 정보를 자동 추출할 수 있는 앙상블 기반의 주제 적합성 분류 모델을 제안하였다. 이 모델은 소셜미디어의 텍스트에 원하는 정보가 있는지혹은 텍스트가 주어진 주제에 적합한지 등을 자동으로 분류하는 모델이다. 본연구에서는 3개의 기본 모델로 구성된 앙상블 모델을 설계한 후 모델의 학습단계에서 실제 데이터에서의 클래스 분포를 반영할 수 있도록 학습 데이터를공급하는 배치 생성기를 활용하고, 추론 단계에서는 출력값 임계치를 시기별로조정하는 임계치 이동 기법을 사용하였다. 이 모델은 소셜미디어를 비즈니스, 정책, 마케팅, 위기 관리 등 다양한 분야에서 활용할 수 있게 해 줄 수 있다. 또한 감정 분석이나 태도 분석, 거짓 정보 탐색 등의 작업에 앞선 일종의 전처리처리 모델로 사용할 수도 있다.

영어초록

The excessive amount of information produced and circulated daily on social media has made it challenging to find relevant information when needed. This study proposes an ensemble-based topic relevance classification model that can automatically extract necessary information from such data. The model automatically classifies whether the text on social media contains desired information or is relevant to a given topic. This model automatically classifies whether the text on social media contains desired information or is relevant to a given topic. In this study, an ensemble model consisting of three base models is designed. During the model's training phase, a batch generator is used to supply training data that reflects the class distribution in actual data. In the inference phase, a threshold-shifting technique is applied to adjust output thresholds.
This model can be applied in various fields such as business, policy-making, marketing, crisis management, etc., making social media a valuable resource. Additionally, it can serve as a preprocessing model for tasks like sentiment analysis, attitude analysis, and fake information detection.

참고자료

· 없음