• Digital Contents
• /
• no.8 s.51
• /
• pp.46-50
• /
• 1997

데이터스타는 현재 비즈니스 뉴스를 비롯해 자동차 공학, 제약분야 등의 정보를 약 300여개 수록해 온라인을 통해 서비스하고 있는 유럽 최대의 데이터뱅크다. 1981년 유럽지역에서 처음으로 상업 온라인 서비스를 시작한 데이터스타를 살펴봤다.

• Digital Contents
• /
• no.11 s.150
• /
• pp.19-21
• /
• 2005

• 베이커리
• /
• no.4 s.381
• /
• pp.124-128
• /
• 2000

• Product Safety
• /
• s.260
• /
• pp.6-9
• /
• 2015

• TTA Journal
• /
• s.102
• /
• pp.83-87
• /
• 2005

• 발명특허
• /
• v.30 no.12 s.354
• /
• pp.40-42
• /
• 2005

• The Korean Journal of Applied Statistics
• /
• v.33 no.4
• /
• pp.483-497
• /
• 2020

We used a deep neural network model for the prediction of the stock prices of Kia Motors and Shinsegae as listed in the KOSPI 100. We used an emotional variable derived from online news in addition to the various technical indicators most often used. The emotional variable used as a predictor variable was generated from the average of the emotional scores for companies in the industrial group after building an emotional dictionary specific to each industrial group classified in a social network analysis. The study was conducted with various combinations of predictors and confirmed that good predictive and profitable power could be expected when jointly using technical indicators and an emotional variable based on online news by industrial groups.

• Journal of Internet Computing and Services
• /
• v.17 no.4
• /
• pp.135-143
• /
• 2016

The Internet is being utilized as a means of communication channel for science information. In this study, an experiment was conducted against college students, in which participants were assigned to one of the following four conditions: source status(professor, student) x social categorization(in-group, out-group). When the participants finished reading an online news article, perceived usefulness of and attitude toward the science technology were measured. The results show that the effect of source expertise on perceived usefulness was moderated by social categorization.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.85-90
• /
• 2021

코로나바이러스감염증-19로 인한 팬데믹 상황이 지속되면서 감염증 정보의 불확실성으로 인해 코로나 관련 루머가 온라인상에서 빠르게 전파되고 있다. 이러한 코로나 관련 가짜 뉴스를 사전에 탐지하기 위해, 본 연구에서는 한국어 코로나 가짜 뉴스 데이터셋을 구축하고, 개체명과 사용자 재확산 정보를 이용한 한국어 가짜 뉴스 탐지 모델을 제안한다. 가짜 뉴스 팩트체킹 언론인 서울대팩트체크센터에서 코로나 관련 루머 및 가짜 뉴스에 대한 검증 기사를 수집한 후, 기사로부터 개체명 추출 모델을 통해 주제 키워드를 추출하고, 이를 이용해 유튜브 상의 사용자 재확산 정보를 수집하여 데이터셋을 구성하였다. BERT 기반의 제안 모델을 다양한 비교군과 비교하였고, 특성 조합에 따른 실험을 통해 각 특성 정보(기사 텍스트, 개체명 데이터, 유튜브 데이터)가 가짜 뉴스 탐지 성능에 미치는 영향을 알아보았다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.64-67
• /
• 2021

가짜뉴스는 뉴스 기사 형식을 갖는 날조된 정보를 의미하며, 최근 모바일 인터넷 장치의 보급과 소셜 네트워크 서비스의 대중화로 온라인 확산이 가속화되고 있다. 기존 연구는 가짜뉴스의 탐지를 위해 뉴스의 주제목, 부제목, 리드, 본문 등 뉴스 기사를 이루는 구성요소를 비롯하여 언론사, 기자, 날짜, 확산 경로 등의 메타 데이터를 대상으로 분석하였다. 그러나 뉴스의 제목과 본문 및 메타 데이터 등은 내용 수정이 쉬워, 다량의 데이터를 학습한 모델이라 하더라도 높은 정확도를 장기간 유지하기 어려울 수 있다. 이러한 문제점을 해결하기 위하여 본 논문은 합성곱 신경망을 이용해 문맥 정보를 분석하고 장단기 메모리 기반의 감성분석을 추가로 수행한다. 문맥 정보와 가짜뉴스 유포자가 쉽게 수정할 수 없는 감성 변화 패턴을 활용하여 성능이 개선된 가짜뉴스 탐지 모델을 제안한다.