Bayesian Optimization-HyperBand 를 적용한 효과적인 가짜 뉴스 탐지모델의 성능 평가와 분석
The More Effective Rumor Detection adopted Bayesian Optimization-Hyperband
- 발행
- 2024 등록KCI API에는 발행일 항목이 없어 원문 등록일을 쓰고 있습니다. 실측으로 발행보다 최대 6년 늦습니다 — 재수집하면 발행연월로 바뀝니다.
- 소속·발행
- 전북대학교
- 출처
- 국내 KCI
- DOI
- 10.23023/JPT.2024.12.4.055
- 원문
- 원문 보기 ↗
개념
키워드
Rumor Detection, Fake News Detection, Text Classification, Hyperparameter Optimization, Bayesian Optimization-Hyperband (BOHB), Rumor Detection, Fake News Detection, Text Classification, Hyperparameter Optimization, Bayesian Optimization-Hyperband (BOHB)
초록
소셜 미디어 상에 최근 들어 급증한 가짜 뉴스는 우리의 삶을 위협하고 있다. 즉, 더 교묘한가짜 정보가 소셜미디어에 유통될수록 더 정확한 탐지방법이 필요하다. 이를 위해 본 논문은Hyperband가 Global Optimum에 수렴하지 못하는 문제를 해결하는 동시에 강한 성능을 보이는최신 최적화 방법론인 Bayesian Optimization-Hyperband(BOHB)를 도입한 가짜 뉴스 탐지 모델을제안한다. 먼저 전처리된 LIAR 데이터셋과 FakeNewsNet 데이터셋의 텍스트를 TF-IDF, Word2Vec, BERT로 임베딩한다. 이후 텍스트 임베딩을 입력으로 하는 SVM과 Bi-LSTM으로 훈련시키는 동시에BOHB로 hyperparameter를 최적화한다. 최적화된 모델은 최적화되지 않은 모델보다 Accuracy가LIAR 데이터셋에 대해 21.1%, FAKENEWSNET에 대해 10.14%가 상승했다. 결과적으로, BOHB를적용한 모델이 그렇지 않은 모델보다 효율적임을 입증한다.