• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.869-872
• /
• 2018

온라인 뉴스 소비의 확산과 함께 댓글은 여론 형성에 큰 역할을 담당한다. 그러나 아직 댓글에 영향을 미치는 형식 요소에 대한 실증 데이터 기반의 연구는 미흡하다. 본 연구는 이의 시작으로 온라인 뉴스 기사 소비의 두 가지 중요 요소 즉, 헤드라인과 댓글의 관계에 대해 다루고자 한다. 이를 위해, 헤드라인의 논조 유무에 따른 댓글의 논쟁 활성화 정도 차를 확인하고자 댓글의 수와 길이를 분석하였다. '이세돌, 알파고 바둑대결', '최저임금', '북미회담' 기사로 총 537건의 해드라인과 약 85만개의 댓글을 수집하였다. 그 결과 논쟁 활성화 측면에서 논조가 있는 헤드라인일때 댓글의 수가 많고 길이가 길어 논쟁이 더 활발한 것을 할 수 있었다. 또, 댓글의 논쟁 주제도 차이가 있어 헤드라인의 논조가 있는 경우에 의견이나 감정을 표출하는 토픽이 더 많았다. 본 연구는 실증 데이터를 통해, 헤드라인의 논조 유무가 댓글의 논쟁의 활성화 정도와 주제에 영향을 주는 요소임을 밝힘으로써 댓글 소비에 대한 새로운 관점을 제시하고, 헤드라인의 형식 요소의 연구의 중요성을 확인한 데 그 의의가 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.541-544
• /
• 2021

본 논문은 어떤 기업의 주식 주문 정보를 담고 있는 호가창(limit order book)과 해당 기업과 관련된 뉴스 헤드라인을 사용하여 해당 기업의 주가 등락을 예측하는 딥러닝 기반 모델을 제안한다. 제안 모델은 호가창의 중기 변화와 단기 변화를 모두 고려하는 한편, 동기간 발생한 뉴스 헤드라인까지 예측에 고려함으로써 주가 등락 예측 정확도를 높인다. 제안 모델은 호가창의 변화의 특징을 CNN(convolutional neural network)으로 추출하고 뉴스 헤드라인을 Word2vec으로 생성된 단어 임베딩 벡터를 사용하여 나타낸 뒤, 이들 정보를 결합하여 특정 기업 주식의 다음 날 등락여부를 예측한다. NASDAQ 실데이터를 사용한 실험을 통해 제안 모델로 5개 종목(Amazon, Apple, Facebook, Google, Tesla)의 일일 주가 등락을 예측한 결과, 제안 모델은 기존 방법에 비해 정확도를 최대 17.14%, 평균 10.7% 향상시켰다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.281-286
• /
• 2021

뉴스 헤드라인에 제3자의 발언을 직접 인용해 전언하는 이른바 '따옴표 저널리즘'이 언론 보도의 객관주의 원칙을 해치는지는 언론학 및 뉴스 구독자에게 중요한 문제이다. 이 연구는 온라인 포털사이트를 통해 실시간 유통되는 한국어 기사의 정확성을 판별하기 위한 기계학습(Machine Learning) 모델을 제안한다. 이 연구에서 제안하는 모델은 Edit Distance와 FastText 기법을 활용해 기사 제목과 본문 내 인용구의 유사성을 측정하고, XGBoost 모델을 활용해 최종 분류한다. 아울러 이 모델을 통해 229만 건의 뉴스 헤드라인에 대해 직접 인용구가 포함된 기사가 취재원의 발언을 주관적인 윤색없이 독자들에게 전하고 있는지를 판별했다. 이뿐만 아니라 딥러닝 기반의 KoELECTRA 모델을 활용해 기사의 제목 내 인용구에 대한 감성 분석을 진행했다. 분석 결과, 윤색이 가미되지 않은 직접 인용형 기사의 비율이 지난 20년 동안 10% 이상 증가했으며, 기사 제목의 인용구에 나타나는 감정은 부정 감성이 긍정 감성의 2.8배 정도로 우세했다. 이러한 시도는 앞으로 계산사회과학 방법론과 빅데이터에 기반한 언론 보도의 평가 및 개선에 도움을 주리라 기대한다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.287-292
• /
• 2021

좋은 자연어 이해 시스템은 인간과 같이 텍스트에서 단순히 단어나 문장의 형태를 인식하는 것 뿐만 아니라 실제로 그 글이 의미하는 바를 정확하게 추론할 수 있어야 한다. 이 논문에서 우리는 뉴스 헤드라인으로 뉴스의 토픽을 분류하는 open benchmark인 KLUE(Korean Language Understanding Evaluation)에 대하여 기존에 비교 실험이 진행되지 않은 시중에 공개된 다양한 한국어 라지스케일 모델들의 성능을 비교하고 결과에 대한 원인을 실증적으로 분석하려고 한다. KoBERT, KoBART, KoELECTRA, 그리고 KcELECTRA 총 네가지 베이스라인 모델들을 주어진 뉴스 헤드라인을 일곱가지 클래스로 분류하는 KLUE-TC benchmark에 대해 실험한 결과 KoBERT가 86.7 accuracy로 가장 좋은 성능을 보여주었다.

• Korean journal of communication and information
• /
• v.50
• /
• pp.143-163
• /
• 2010

This study explores the headlines of the metro sections posted in the major domestic news media during 1998 and 2009 and examines if the media contribute to construction of the reality. The data were systematical sampled from three main evening news programs representing each broadcasting company and the seven major nationwide newspapers (n=53,765). Results suggest the selection of news items should be influenced by the property of the regime and the trend for the time. This influence led to similarity among the news media to some extent, which are partially explained by the objectivity principle guiding the whole process of news making. Meanwhile, there was clear difference among the news media in general, and between the medium (broadcasting vs. newspaper) and within a medium, more specifically. The difference can be explained by the interaction of the property of the regime and the trend for the time and other factors including journalistic paradigm and ownership of each company.

• Korean journal of communication and information
• /
• v.27
• /
• pp.283-316
• /
• 2004

This study examines different news frames of local newspapers reporting the controversial 'Nu[lear Waste Site' issues which deeply split regions showing their intention to bid for the state affair. Three local papers were analyzed for this study, "Gwang-Ju-Il-bo" "Mae-il-sin-mun" and "Jun-buk-il-bo." Overall, the three local papers displayed widely divergent main news frames on the same issue. Firstly, "Gwang-Ju-Il-bo", and "Mae-il-sln-mun" showed the strong tendency of using 'counter frame' while "Jun-buk-il-bo" exhibited 'loral development frame'. Secondly, "Gwang-Ju-Il-bo", and "Mae-il-sin-mun" were frequently headlined 'Nuclear Waste Site', while "Jun-buk-il-bo" carried headlines 'Radioactive Waste Management Facility' overwhelmingly more often than the other two papers, indicating that headline key words are closely associated with the configuration of news frames. Thirdly, the main news frames remained consistent for "Gwang-Ju-Il-bo", and "Mae-il-sin-mun" even after the government's report about the possible connection of 'ion-beam irradiation-accelator' and 'Nuclear Waste Site.' On the other hand, "Jun-buk-il-bo" was significantly less headlined 'Nuclear Waste Site' while significantly more headlined "Radioactice Waste Management Facility." "Jun-Buk-il-bo" which is in stark contrast to the other two papers changed in its tone by increasing the 'local development frame' with decrease in the 'counter frame.' The "Jun-buk-il-bo"'s more frequent use of 'Radioactive Waste Management Facility' as a headline than "Nuclear Waste Management Equipment" is seen as its attempt to minimize negative image of Nuclear Waste and to promote favorable public opinion by highlighting aspects of economic benefits and the local development the construction would brind about. The major findings of this study further support the claim that media overage ends up a reality. The fact that Buan in Jun-buk Province made a successful bid for the construction is not a coincidence.

• The Journal of Society for e-Business Studies
• /
• v.27 no.1
• /
• pp.63-79
• /
• 2022

Recently, various studies have been conducted on stock price prediction using machine learning and deep learning techniques. Among these studies, the latest studies have attempted to predict stock prices using limit order books, which contain buy and sell order information of stocks. However, most of the studies using limit order books consider only the trend of limit order books over the most recent period of a specified length, and few studies consider both the medium and short term trends of limit order books. Therefore, in this paper, we propose a deep learning-based prediction model that predicts stock price more accurately by considering both the medium and short term trends of limit order books. Moreover, the proposed model considers news headlines during the same period to reflect the qualitative status of the company in the stock price prediction. The proposed model extracts the features of changes in limit order books with CNNs and the features of news headlines using Word2vec, and combines these information to predict whether a particular company's stock will rise or fall the next day. We conducted experiments to predict the daily stock price fluctuations of five stocks (Amazon, Apple, Facebook, Google, Tesla) with the proposed model using the real NASDAQ limit order book data and news headline data, and the proposed model improved the accuracy by up to 17.66%p and the average by 14.47%p on average. In addition, we conducted a simulated investment with the proposed model and earned a minimum of $492.46 and a maximum of $2,840.93 depending on the stock for 21 business days.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.34 no.3
• /
• pp.515-525
• /
• 2024

Dark patterns refer to intentionally deceptive design techniques used by online service providers to hide necessary information, preventing users from taking desired actions or luring them into unintended behaviors. In this study, we analyzed the prevalence of dark patterns such as banners, advertorials, pop-ups, and video ads, and their impact on users across the top 200 news websites worldwide. The research revealed that there is a minimal correlation between banner ads and user bounce rates or unique visitors. Consequently, the main screen moving banner and headline news screen moving banner were most frequently observed in South America, while the headline news screen fixed banner was most commonly observed in Asia. All other categories were predominantly observed in Europe, making European websites the most diverse and abundant in various dark patterns.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.10a
• /
• pp.1071-1074
• /
• 2009

In a pre-existing online newspaper has inconvenience such that a difference of a newspaper from other newspapers is confirmed on another script window. To solve this inconvenience, we propose a system called Rose News Reader. Since our proposed system classifies the articles with respect to the publishers and domain, a user can compare the articles from diverse publisher and analyze them to obtain correct facts.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.519-522
• /
• 2020

1989년에 WWW(World Wide Web)이 도입 되면서 세계적으로 인터넷의 보급이 시작되었다. 정보화 시대라고 알려진 3차 산업혁명 이후로 대량의 정보들이 소셜 미디어를 통하여 생산되었다. 소셜미디어는 2007년에 인터넷 사용자들 중 56%의 이용률을 보였지만 2008년 2분기에는 75%의 이용률로 증가함에 따라 대부분의 사용자들이 많이 사용하며 의존하게 되었다. 또한 소셜 미디어를 통해 발생 되는 데이터들을 이용하여 기업들은 이윤 창출을 할 수 있다. 하지만 이러한 소셜 미디어는 악의적인 목적을 통해 주가 조작, 정치적 선동 등을 할 수 있는 가짜 뉴스와 허위 정보들을 생성할 수 있으며 이에 따라 대책이 시급하다. 또한 가짜 뉴스는 사람이 글을 작성할 수도 있지만 최근 인공지능 기술의 발달에 따라 프로그램을 통해 자동적으로 생성 될 수도 있다. 본 논문에서는 이와 같은 실제 뉴스와 인공지능을 기반으로 한 뉴스를 분석한다. Kaggle에서 실제 뉴스 데이터를 수집하여 헤드라인을 OpenAI의 GPT-2 언어 모델을 통해 뉴럴 가짜 뉴스를 생성 하였다. 파이썬의 NLTK 모듈을 이용하여 전처리를 진행하였고 t-검정과 박스 플롯을 활용하여 분석을 진행하였다. 분석된 주요 속성들을 의사결정트리를 통해 모델 검증을 하였고 k-fold 교차검증을 통해 분류 모델을 평가하였다. 결과로 전체 분류 정확도 평균 89%의 성능을 보여주었다.