earticle

논문검색

텍스트 마이닝과 딥러닝 알고리즘을 이용한 가짜 뉴스 탐지 모델 개발

원문정보

Development of a Fake News Detection Model Using Text Mining and Deep Learning Algorithms

임동훈, 김건우, 최근호

피인용수 : 0(자료제공 : 네이버학술정보)

초록

영어

Fake news isexpanded and reproduced rapidly regardless of their authenticity by the characteristics of modern society, called the information age. Assuming that 1% of all news are fake news, the amount of economic costs is reported to about 30 trillion Korean won. This shows that the fake news isvery important social and economic issue. Therefore, this study aims to develop an automated detection model to quickly and accurately verify the authenticity of the news. To this end, this study crawled the news data whose authenticity is verified, and developed fake news prediction models using word embedding (Word2Vec, Fasttext) and deep learning algorithms (LSTM, BiLSTM). Experimental results show that the prediction model using BiLSTM with Word2Vec achieved the best accuracy of 84%.

한국어

가짜 뉴스는 정보화 시대라는 현대사회의 특성에 의해 진위 여부의 검증과는 상관없이 빠른 속도로 확대, 재생산되어 퍼진다. 전체 뉴스의 1%를 가짜라고 가정했을 경우 우리사회에 미치는 경제적 비용이 30조 원에 달한다고 하니 가짜 뉴스는 사회적, 경제적으로 매우 중요한 문제라고 할 수 있다. 이에 본 연구는 뉴스의 진위 여부를 신속하고 정확하게 확인하고자 자동화된 가짜 뉴스 탐지 모델을 개발하는데 목적을 두고 있다. 이를 위해 본 연구에서는 크롤링(crawling)을 통해 진위 여부가 밝혀진 뉴스 기사를 수집하였고, 워드 임베딩(Word2Vec, Fasttext)과 딥러닝 기법(LSTM, BiLSTM)을 이용하여 가짜 뉴스 예측 모델을 개발하였다. 실험 결과, Word2Vec과 BiLSTM의 조합이 가장 높은 84%의 정확도를 보였다.

목차

요약
Ⅰ. 서론
Ⅱ. 관련연구
2.1 워드 임베딩(Word Embedding)
2.2 자동화 기반 가짜뉴스 탐지 관련 연구
2.3 딥러닝 기법
Ⅲ. 연구방법
3.1 연구 프레임워크
3.2 분석데이터 및 전처리
3.3 분류모델생성
Ⅳ. 실험결과
4.1 실험결과
Ⅴ. 결론
5.1 요약 및 시사점
5.2 한계점 및 향후 연구 방향
참고문헌
Abstract

저자정보

  • 임동훈 Dong-Hoon Lim. ㈜데이터월드 차장
  • 김건우 Gunwoo Kim. 한밭대학교 융합경영학과 교수
  • 최근호 Keunho Choi. 한밭대학교 융합경영학과 조교수

참고문헌

자료제공 : 네이버학술정보

    함께 이용한 논문

      ※ 기관로그인 시 무료 이용이 가능합니다.

      • 5,500원

      0개의 논문이 장바구니에 담겼습니다.