워드 임베딩 방법에 따른 가짜뉴스 판별 모델에 관한 연구
A study on a fake news identification model based on word embedding method
- 발행
- 2024 등록KCI API에는 발행일 항목이 없어 원문 등록일을 쓰고 있습니다. 실측으로 발행보다 최대 6년 늦습니다 — 재수집하면 발행연월로 바뀝니다.
- 소속·발행
- 호서대학교
- 출처
- 국내 KCI
- DOI
- 10.37727/jkdas.2024.26.6.1847
- 원문
- 원문 보기 ↗
개념
키워드
가짜뉴스, 워드 임베딩, 딥러닝, 판별 모델, LSTM., Fake news, word embedding, deep learning, discriminant model, LSTM.
초록
정보화 기술과 미디어화의 가속화 속에 가짜뉴스가 우리 사회의 심각한 문제로 대두되고 있다. 이러한 사회현상에 대응하여 뉴스가 가짜뉴스인지 아닌지를 판별할 수 있는 모델을 개발하여 가짜뉴스 노출에 취약한 현시점에서 사회적으로 유해한 영향을 줄이고 신뢰성 있는 정보 전달에 기여하고자 한다. 자연어를 처리하는 방법 중 단어 임베딩 방법을 기반으로 한 딥러닝 모델을 통해 가짜뉴스를 판별해 내고 그 모델의 성능을 높이고자 다양한 워드 임베딩 방법을 소개하고자 한다. 워드 임베딩 방법은 뉴스 텍스트 데이터에서 의미 있는 특징을 추출하고, 단어 간 의미적 유사성을 파악하는 방법인데, 이 방법을 활용하여 뉴스 기사의 실제 내용과 일치하지 않는 정보를 식별하여 가짜뉴스를 판별하고자 한다. 각 워드 임베딩 방법인 TF-IDF, Word2Vec, FastTextt의 임베딩 행렬을 생성하고, 가짜뉴스 판별 모델인 딥러닝 기반 LSTM 모델에 임베딩층의 가중치를 적용한 후, 모델의 정확도(accuracy)를 비교하여 더 우수한 워드 임베딩 방법을 제시하였다. 본 연구의 사례 분석을 통해 모델의 정확도를 비교한 결과 Word2Vec 방법이 TF-IDF와 FastText보다 더 우수한 결과를 얻었다.