Earticle

초록

한국어

최근 가짜 뉴스(Fake News)는 정치적, 경제적으로 심 각한 피해를 미치며 뉴스 정보에 대한 신뢰를 구축 하고 공유를 활성화하는데 있어 저해를 일으키고 있 다. 또한, 하루에도 방대한 양의 가짜 뉴스가 만들어 지기 때문에 사람이 일일이 구분해내기 쉽지 않다. 이에 따라 해외 학계에서는 자동화된 가짜 뉴스 탐지 시스템을 개발하기 위해 많은 학자들에 의해 연 구가 이루어지고 있다. 그러나, 국내에서는 자동화된 가짜 뉴스 탐지에 관련된 논문이 거의 전무한 상황 이다. 이에 본 논문에서는 서울대학교 팩트체크 (http://factcheck.snu.ac.kr/)로부터 짧은 문장으로 이루 어진 200개의 데이터를 수집하여 인공지능 기법(텍 스트마이닝, 기계학습)을 이용한 가짜 뉴스 예측 모 형을 제안한다. 구체적으로, 제안 모형은 다음 단계 에 따라 구성된다. 첫 번째 단계에서 수집된 데이터 를 진실, 판단유보, 거짓의 3가지 클래스로 나눈다. 두 번째 단계에서는 텍스트마이닝(TF-IDF, Topic modeling)을 이용하여 짧은 문장을 정량화된 특징값 들로 변환한다. 세 번째 단계에서 학습용과 검증용 데이터 세트를 나누고 텍스트의 특징값들을 다양한 기계학습 기법들(MDA, CBR, ANN, SVM)에 적용하여 분류 예측을 수행한다. 마지막 네 번째 단계에서 검 증용 데이터 세트를 활용하여 다른 분류 기법들과 성과를 비교한다.

목차

초록
 1. 서론
 2. 제안 모형
 3. 실증 분석
  3.1 실험 데이터
  3.2 실험 설계
 4. 결언
 5. 참고문헌

저자

• 윤태욱 [ 국민대학교 비즈니스IT전문대학원 ]
• 안현철 [ 국민대학교 비즈니스IT전문대학원 ]

참고문헌