뉴스와 소셜 데이터를 활용한 텍스트 분석 기반 가짜 뉴스 탐지 방안 :

현윤진

추천

검색

자료유형: 학위논문

저자정보: 현윤진 (국민대학교, 국민대학교 비즈니스IT전문대학원)

지도교수: 김남규

발행연도: 2019

저작권: 국민대학교 논문은 저작권에 의해 보호받습니다.

이용수49

이 논문의 연구 히스토리 (2)

2019

뉴스와 소셜 데이터를 활용한 텍스트 분석 기반 가짜 뉴스 탐지 방안

현윤진 2019.01 학위논문

2018

뉴스와 소셜 데이터를 활용한 텍스트 기반 가짜 뉴스 탐지 방법론

현윤진 , 김남규 한국전자거래학회지 2018.11 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 가짜 뉴스가 분야를 막론하고 전 세계에서 주목을 받고 있으며, 현대경제연구원에서는 이러한 가짜 뉴스로 인해 발생하는 경제적 피해가 연간 약 30조 900억 원에 달하는 것으로 추산하기도 했다. 정부에서는 “가짜 뉴스 찾기”를 주제로 내걸고 “인공지능 R&D 챌린지” 대회를 개최하는 등 가짜 뉴스를 가려낼 인공지능 원천기술 개발을 위해 노력하고 있으며, 민간 차원에서도 다양한 분야에서 정보의 진위여부를 판별해주는 팩트체크 서비스가 제공되고 있다. 학계에서도 가짜 뉴스를 탐지하기 위한 시도가 활발히 이루어지고 있으며, 대부분 전문가 기반, 집단지성 기반의 비기술적 접근이 이루어지던 가짜 뉴스 탐지 연구가 최근에는 인공지능 기반, 시맨틱 기반 등 기술적 접근의 연구로 그 범위가 확장되고 있다.
하지만 이러한 시도들은 대부분 가짜 뉴스 조작의 정밀도가 높아질수록 뉴스 자체에 대한 분석만으로 진위여부 식별이 더욱 어렵다는 한계점을 가지고 있다. 또한 가짜 뉴스 탐지 분야는 상대적으로 연구 초기 단계에 놓여있기 때문에 각각의 가짜 뉴스 탐지 모델마다 정확도 검증 또한 다양한 방식으로 이루어지고 있어 해당 탐지 모델의 타당성과 신뢰성 역시 보장할 수 없다. 따라서 본 연구에서는 가짜 뉴스 탐지 모델 정확도의 공정성을 확보하고, 뉴스의 내용뿐만 아니라 해당 뉴스에 대한 반응으로 자연적으로 발생한 광범위한 소셜 데이터를 활용하여 뉴스의 진위여부를 판정하는 방안을 제안하고자 한다.
본 연구에서는 구체적으로 크게 두 가지 목적을 가지고 가짜 뉴스 탐지 방안을 제안한다. 첫째, 가짜 뉴스 탐지 모델 예측 정확도의 과대평가를 방지하기 위한 데이터 분할 방안을 제안함으로써 가짜 뉴스 탐지 방법론의 예측 정확도에 대한 공정성을 확보한다. 구체적으로는 분석 대상 뉴스 데이터를 토픽 모델링을 통해 구조화하고, 이를 활용해 클러스터링을 수행하여 이슈 그룹을 생성함으로써 각 이슈 그룹 내 진위여부에 따라 각각 학습 및 검증 데이터로 분할한다. 이를 통해 뉴스 데이터 간 이슈 흐름을 차단함으로써 보다 엄격한 실험 환경을 제공한다. 둘째, 위의 과정을 통해 조성된 엄격한 실험 환경에서 뉴스 자체만으로는 가짜 뉴스를 탐지하기 어렵다는 한계를 극복하기 위해 뉴스와 트위터 데이터를 활용한 가짜 뉴스 탐지 모델의 예측 정확도를 향상시키는 방안을 제안한다. 각 뉴스와 관련된 트윗을 추려내고, 이들로부터 각 뉴스에 대한 반응들을 벡터 형태로 산출한 후, 뉴스 원문에서 추출한 뉴스 기사의 주제적 특성과 트위터 반응 벡터와의 결합을 통해 각 뉴스의 진위여부를 더욱 정확하게 탐지하고자 한다.

Recently, fake news has attracted worldwide attention regardless of the fields. The Hyundai Research Institute estimated that economic damage caused by fake news has reached about 30.9 trillion won per year. The government is making efforts to develop artificial intelligence source technology to detect fake news such as holding "Artificial Intelligence R & D Challenge" competition on the title of "Searching for fake news". Fact checking services are also being provided in various private sector fields. Nevertheless, in academic fields,there are also many attempts have been conducted in detecting the fake news. Typically, there are different attempts in detecting fake news such as expert-based, collective intelligence-based, artificial intelligence-based, and semantic-based.
However, most of these attempts have the limitation that the more accurate the fake news manipulation is, the more difficult it is to identify the authenticity of the news by analyzing the news itself. Furthermore, since the fake news detection field is still in the early stage of the research, the accuracy verification method is also different for each fake news detection model. Hence, the validity and reliability of the fake news detection model cannot be guaranteed either. Therefore, in this study, we first propose a method to secure the fairness of false news detection model accuracy. Secondly, we propose a method to identify the authenticity of the news using the social data broadly generated by the reaction to the news as well as the contents of the news.
In this study, we propose a fake news detection method with two objectives. First, we propose a data segmentation method to prevent overestimation of the fake news detection model accuracy. This method ensures fairness for the accuracy of the fake news detection methodology. Specifically, the analysis target data, which is the news data will be structurized through topic modeling. Then, clustering will be performed on the structured data to create an issue group. According to the authenticity of the issue group, the structured data will be separated into learning data and test data. This method provides a more rigorous experimental environment by blocking issue flow between news data. Second, we propose a method to improve the accuracy of fake news detection model by applying news and Twitter data in the rigorous experimental environment created through the above process. This method can overcome the limitation that it is difficult to detect the fake news by itself. Generally, the tweets related to each news item are tracked, and the responses to each news item are calculated in a vector form. The authenticity of each news item can be detected accurately by combining news topic feature and twitter topic feature extracted from the original news data.

국문요약 ⅵ
Ⅰ. 서론 1
1.1 연구배경 1
1.2 연구동기 6
1.3 연구목적 11
Ⅱ. 관련연구 12
2.1 텍스트 분석 12
2.1.1 데이터 구조화 12
2.1.2 토픽 모델링 15
2.2 가짜 뉴스 17
2.2.1 가짜 뉴스 개념 17
2.2.2 가짜 뉴스 현황 22
2.2.3 가짜 뉴스 탐지 26
Ⅲ. 제안 방법론 30
3.1 연구 개요 30
3.2 Module 1: 예측 정확도 과대평가 방지를 위한 데이터 분할 32
3.2.1 뉴스 데이터 구조화 32
3.2.2 뉴스 이슈 간 연결 관계 차단 34
3.3 Module 2: 가짜 뉴스 탐지 모델 35
3.3.1 Phase 2: 뉴스 데이터를 활용한 가짜 뉴스 탐지 모델 36
3.3.2 Phase 3: 트위터 데이터를 활용한 가짜 뉴스 탐지 모델 37
3.3.3 Phase 4: 뉴스와 트위터 데이터를 활용한 가짜 뉴스 탐지 모델 39
Ⅳ. 실험 41
4.1 실험 데이터 소개 41
4.2 실험 과정 및 결과 43
4.2.1 파일럿 실험 43
4.2.2 Module 1: 예측 정확도 과대평가 방지를 위한 데이터 분할 결과 49
4.2.3 Module 2: 가짜 뉴스 탐지 모델 구축 결과 53
4.2.3.1 Case 1: 뉴스 데이터 활용 54
4.2.3.2 Case 2: 트위터 데이터 활용 55
4.2.3.3 Case 3: 뉴스와 트위터 데이터 활용 60
4.3 검증 61
Ⅴ. 결론 66
참고문헌 70
Abstract 85

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)