• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권4호
• /
• pp.179-188
• /
• 2023

최근 가짜뉴스는 뉴스 콘텐츠 형식을 가장하고 중요한 사건이 발생할 때마다 등장하여 사회적 혼란을 초래한다. 이에 가짜뉴스를 탐지하기 위한 연구로 인공지능 기술이 사용된다. 자연어 처리를 통해 가짜뉴스를 자동으로 인지 및 차단하거나, 네트워크 인과 추론과 결합함으로써 허위 정보를 확산시키는 소셜미디어 인플루언스 계정을 감지하는 등의 가짜뉴스 탐지 접근법이 딥러닝을 통해 구현될 수 있었다. 그러나 가짜뉴스 탐지는 여러 자연어 처리 분야 중에서도 해결이 어려운 문제로 분류된다. 가짜뉴스가 가지는 형식 및 표현의 다양성으로 특성 추출의 난도가 높고, 뉴스가 속한 범주에 따라 하나의 특성이 서로 다른 의미를 가질 수도 있는 등 다양한 한계점이 존재한다. 본 논문에서는 가짜뉴스를 탐지하기 위한 추가적인 식별 기준으로 감성 변화 패턴을 제시한다. 합성곱 신경망을 가짜뉴스 데이터 세트에 적용하여 콘텐츠 특성에 기반한 분석을 수행하고, 감성 변화 패턴을 추가로 분석함으로써 성능이 개선된 모델을 제안한다. 뉴스를 구성하는 문장에 대하여 감성 극성을 산출하고 장단기 메모리를 적용함으로써 문장 순서에 의존적인 결괏값을 얻을 수 있다. 이를 감성 변화의 패턴으로 정의하고 뉴스의 콘텐츠 특성과 결합하여 가짜뉴스 탐지를 위한 제안 모델의 독립변수로 활용한다. 제안 모델과 비교 모델을 딥러닝으로 학습시키고 가짜뉴스 데이터 세트를 이용한 실험을 진행하여 감성 변화 패턴이 가짜뉴스 탐지 성능을 개선할 수 있음을 확인한다.

• 한국콘텐츠학회논문지
• /
• 제17권11호
• /
• pp.90-101
• /
• 2017

본 연구는 정보를 표현기법 삼아 소통되는 정보디자인형 광고의 정의와 유형에 대해 알아보고, 어떠한 특징이 있는지 알아보는데 그 목적이 있다. 연구 방법은 광고와 정보와의 관계를 시대적 이슈에 맞추어 고찰한 후, 정보디자인형 광고 샘플을 선정, 유형별로 연구하고 이를 전문가 그룹과 비전문가 그룹 대상으로 심층 분석하여 그 특징을 알아본다. 그 결과, 정보디자인형 광고는 1인 미디어 시대와 정보화 사회에 기인하여 출몰하는 정보디자인 형식을 갖춘 광고로, 이슈가 될만한 정보 혹은 데이터를 정보디자인 기법을 이용하여 시각화 한 후, 이를 표현기법 삼아 소비자의 관심을 끄는 형식의 광고임을 알 수 있었으며, 매뉴얼 정보디자인형 광고, 아이덴티티 정보디자인형 광고, 데이터 시각화 정보디자인형 광고로 구분할 수 있었다. 커뮤니케이션 키워드는 Attention, Curation, Study가 있다. 이 중 Curation은 Share에서 발전된 개념으로, 공유 행위를 통한 소셜네트워크상에서의 지식 소장, 선점, 과시를 의미한다. 과장과 허위가 아닌, 신뢰를 기반으로 하는 정보디자인형 광고는 방대한 양의 정보나 어려운 내용을 쉽게 치환, 이해를 돕는 과정을 통해 흥미와 공감대를 형성하며 필요한 지식을 제공하고 자연스럽게 제품에 대한 학습을 유도한다.

• 정보과학회 논문지
• /
• 제44권7호
• /
• pp.674-679
• /
• 2017

대용량의 텍스트 문서가 매일 만들어지는 빅데이터 환경에서 제목은 문서의 핵심 아이디어를 빠르게 집어내는데 매우 중요한 단서가 된다. 그러나 블로그 기사나 소셜 미디어 메시지와 같은 많은 종류의 문서들은 제목을 갖고 있지 않다. 본 논문에서는 주의집중 및 복사 작용을 가진 sequence-to-sequence 순환신경망을 사용한 제목 생성 모델을 제안한다. 제안 모델은 양방향 GRU(Gated Recurrent Unit) 네트워크에 기반 하여 입력 문장을 인코딩(encoding)하고, 입력 문장에서 자동 선별된 키워드와 함께 인코딩된 문장을 디코딩함으로써 제목 단어들을 생성한다. 93,631문서의 학습 데이터와 500문서의 평가 데이터를 가진 실험에서 주의집중 작용방법이 복사 작용방법보다 높은 어휘 일치율(ROUGE-1: 0.1935, ROUGE-2: 0.0364, ROUGE-L: 0.1555)을 보였고 사람이 정성평가한 지표는 복사 작용방법이 높은 성능을 보였다.

• 한국콘텐츠학회논문지
• /
• 제14권1호
• /
• pp.30-39
• /
• 2014

본 연구는 국내 대학의 e-러닝 운영 특징은 무엇이며 이에 대한 수강자의 평가 및 요구사항은 어떠한지를 조사하여 대학 e-러닝 활성화방안을 모색하고자 하였다. 이를 위해 운영주체차원의 조사로 10개 일반대학 및 17개 사이버대학의 홈페이지와 언론보도를 분석하여 e-러닝 중점사업을 조사하였으며, 이용자차원의 조사로 Q&A게시판 내용분석 및 수강생 대상 일대일 심층면접을 진행하였다. 조사결과, 국내 대학은 모바일 스마트 캠퍼스 구축, 강의콘텐츠 다양화, 상호작용 시스템 강화, e-러닝 시스템 및 스마트기기 활용교육을 강조하고 있었다. 그러나 e-러닝 수강자들은 모바일에서의 e-러닝 환경이 학사행정에 있어서는 편리하나 과목수강과 관련해서는 불안정하거나 기능이 미흡하다고 느끼고 있었고, 강의콘텐츠는 아직도 특정 형태가 차지하는 비중이 높으며, 강의내용에 따라 차별화된 형태로 운영되는 것이 바람직하다고 응답했다. 또한 운영자 및 시스템의 상호작용보다 수강자 상호간의 상호작용이 활발하게 이루어지길 바라고 있었으며, 일반적인 스마트미디어활용교육이 아닌 강의 및 학습과 관련하여 활용할 수 있는 소셜애플리케이션에 대한 교육을 원하고 있었다. 따라서 국내 대학의 e-러닝 활성화를 위해서는 행정중심적 사업추진이 아닌 교육중심적 e-러닝 환경구축을 목표로 한 실효성 있는 노력이 필요하다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.329-346
• /
• 2022

최근 소셜 미디어의 숏폼(Short form) 동영상(인스타그램, 틱톡, 유튜브) 시장이 점차 증가하면서 인공지능 영역에서는 이를 활용한 연구가 활발히 진행되고 있다. 대표적인 연구분야로 동영상 내의 패션 상품을 탐지하고 상품 이미지를 검색하는 Video to shop 을 들 수 있다. 이와 같은 동영상 기반 인공지능 모델에서는 Convolution 연산을 사용하여 상품의 특징을 추출한다. 하지만 연산 자원의 제한으로 인해, 동영상의 모든 프레임을 사용하여 특징을 추출하는 것은 현실적으로 불가능하다. 이로 인해, 기존 연구에서는 전체 프레임 중 일부만 샘플링해서 사용하거나, 주제의 특성을 활용한 샘플링 방법을 개발하여 이를 통해 위 문제점을 개선하고, 모델의 성능도 향상시켰다. 기존의 Video to shop 연구에서는 프레임을 샘플링 할 때, 무작위로 일부분의 프레임을 샘플링하거나 균등한 간격으로 샘플링 한다. 하지만 이러한 샘플링 방법은 상품이 존재하지 않는 노이즈 프레임을 샘플링 하면서 패션 상품 검색 모델의 성능을 저하시킨다. 이에 본 연구는 노이즈 프레임을 제거하고 검색 모델의 성능을 향상시키는 샘플링 방법 MF(Missing Fashion items on frame) sampler를 제안한다. MF sampler는 키 프레임 메커니즘(Mechanism)을 발전시켜 자원 한계의 문제점을 개선했다. 또한, 노이즈 탐지 모델을 활용한 노이즈 프레임 제거를 통해 검색 모델의 성능을 향상시켰다. 이와 같은 결과는 실험을 통해 확인되었고, Video to shop 패션 상품 검색에 있어 성능 향상과 효과적인 학습이 가능하다는 것을 확인할 수 있었다.

• 인지과학
• /
• 제34권1호
• /
• pp.39-66
• /
• 2023

뉴미디어는 사회적 교류의 장을 인터넷으로 옮겨와 대규모 집단이 시공간의 한계를 뛰어넘어 한 곳에서 소통할 수 있게 만들었다. 최근 연구는 인간의 사회적 능력이 소셜 미디어를 통해 경험하는 확장된 집단 스케일을 따라가지 못하는 사례를 보고하기도 한다. 이러한 맥락에서, 본 연구는 인간의 사회적 정보 지각이 인구 집단 스케일의 확장에 영향을 받는지 다수편향 맥락에서 확인하였다. 인터넷 기반 과제를 통해 구성원의 수로 나타낸 집단 크기와 전체에서 특정 집단이 차지하는 집단 비율이 개인에게 지각되고 다수편향적 사회적 정보 활용에 영향을 주는 심리적 과정을 조사하였으며, 전체 집단 스케일의 확장에 각 과정이 영향을 받는지 살펴보았다. 집단 비율은 다수편향에 정적 영향을 주고 있으며, 그 관계는 비율 지각에 의해 부분매개 되었다. 전체 집단 스케일은 집단 비율과 비율 지각의 관계를 조절하지 않았다. 반면, 집단 크기와 다수편향의 상관은 유의하지 않았다. 전체 집단 스케일은 집단 크기 지각을 조절하였다. 전체 집단 스케일이 작은 조건에서 집단 크기와 크기 지각은 양적 상관을 나타냈지만, 전체 집단의 스케일이 확장된 조건에서 지각된 집단 크기는 유의미하게 작아졌고, 두 변수는 상관을 잃었다. 이러한 결과를 통해 집단 크기 지각과 관련된 심리 기제가 전체 집단 스케일의 확장에 제대로 반응하지 못하고 있음을 확인하였다. 나아가 집단 크기 정보를 처리하는 전문화된 심리 기제가 존재할 가능성과 다수편향이 특이적으로 받아들이는 자극의 형태를 진화심리적 관점에서 논하였다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.123-138
• /
• 2017

주식 시장은 거래자들의 기업과 시황에 대한 기대가 반영되어 움직이기에, 다양한 원천의 텍스트 데이터 분석을 통해 주가 움직임을 예측하려는 연구들이 진행되어 왔다. 주가의 움직임을 예측하는 것이기에 단순히 주가의 등락 뿐만이 아니라, 뉴스 기사나 소셜 미디어의 반응에 따라 거래를 하고 이에 따른 수익률을 분석하는 연구들이 진행되어 왔다. 주가의 움직임을 예측하는 연구들도 다른 분야의 텍스트 마이닝 접근 방안과 동일하게 단어-문서 매트릭스를 구성하여 분류 알고리즘에 적용하여 왔다. 문서에 많은 단어들이 포함되어 있기 때문에 모든 단어를 가지고 단어-문서 매트릭스를 만드는 것보다는 단어가 문서를 범주로 분류할 때 기여도가 높은 단어들을 선정하여야 한다. 단어의 빈도를 고려하여 너무 적은 등장 빈도나 중요도를 보이는 단어는 제거하게 된다. 단어가 문서를 정확하게 분류하는 데 기여하는 정도를 측정하여 기여도에 따라 사용할 단어를 선정하기도 한다. 단어-문서 매트릭스를 구성하는 기본적인 방안인 분석의 대상이 되는 모든 문서를 수집하여 분류에 영향력을 미치는 단어를 선정하여 사용하는 것이었다. 본 연구에서는 개별 종목에 대한 문서를 분석하여 종목별 등락에 모두 포함되는 단어를 중립 단어로 선정한다. 선정된 중립 단어 주변에 등장하는 단어들을 추출하여 단어-문서 매트릭스 생성에 활용한다. 중립 단어 자체는 주가 움직임과 연관관계가 적고, 중립 단어의 주변 단어가 주가 상승에 더 영향을 미칠 것이라는 생각에서 출발한다. 생성된 단어-문서 매트릭스를 가지고 주가의 등락 여부를 분류하는 알고리즘에 적용하게 된다. 본 연구에서는 종목 별로 중립 단어를 1차 선정하고, 선정된 단어 중에서 다른 종목에도 많이 포함되는 단어는 추가적으로 제외하는 방안을 활용하였다. 온라인 뉴스 포털을 통해 시가 총액 상위 10개 종목에 대한 4개월 간의 뉴스 기사를 수집하였다. 3개월간의 뉴스 기사를 학습 데이터로 분류 모형을 수립하였으며, 남은 1개월간의 뉴스 기사를 모형에 적용하여 다음 날의 주가 움직임을 예측하였다. 본 연구에서 제안하는 중립 단어 활용 알고리즘이 희소성에 기반한 단어 선정 방안에 비해 우수한 분류 성과를 보였다.