현대사회에서 인터넷 댓글을 이용한 소통은 사회적으로 중요한 도구로써 역할을 해왔다. 하지만 그 이면에 자리한 악성 댓글 문제로 인해 인터넷 댓글의 유용성을 보전하면서 악성 댓글 문제를 해결하는 악성 댓글 분류 기술에 대한 수요가 날로 커지고 있다. 연구자 및 실무자들에 의해 주목받아온 악성 댓글 분류가 까다로워지는 원인은 암시적인 표현과 형태 변형 비속어를 포함한 경우가 있다. 변형 비속어를 포함한 경우는 단어 분류 차원에서 최근까지 연구되고 있지만, 문장 분류 차원의 연구는 이루어지지 않고 있다. 본 연구는 변형 비속어를 포함한 경우를 문장 분류 차원에서 연구하여 최근 연구에서 주목하지 않은 부분을 새롭게 조명하고자 한다. 본 연구는 분류 모델 별, ...
현대사회에서 인터넷 댓글을 이용한 소통은 사회적으로 중요한 도구로써 역할을 해왔다. 하지만 그 이면에 자리한 악성 댓글 문제로 인해 인터넷 댓글의 유용성을 보전하면서 악성 댓글 문제를 해결하는 악성 댓글 분류 기술에 대한 수요가 날로 커지고 있다. 연구자 및 실무자들에 의해 주목받아온 악성 댓글 분류가 까다로워지는 원인은 암시적인 표현과 형태 변형 비속어를 포함한 경우가 있다. 변형 비속어를 포함한 경우는 단어 분류 차원에서 최근까지 연구되고 있지만, 문장 분류 차원의 연구는 이루어지지 않고 있다. 본 연구는 변형 비속어를 포함한 경우를 문장 분류 차원에서 연구하여 최근 연구에서 주목하지 않은 부분을 새롭게 조명하고자 한다. 본 연구는 분류 모델 별, 임베딩 모델 별, 임베딩 사전학습에 사용된 데이터 시점 별로 성능을 비교 분석하는 방법을 제시한다. 연구에 필요한 학습 및 평가 데이터는 네이버 뉴스 댓글을 수집하여 사용하였다. 연구 과정은 선정된 각 분류 모델의 일반적인 분류 성능을 평가하는 것에서 시작한다. 이후 학습된 모델을 활용하여 변형 비속어가 포함된 댓글을 분류하게 함으로써 임베딩 모델 사용 전후 성능의 차이를 비교 분석한다. 설정된 실험 조건들을 이용한 실험결과 비교 분석을 통해 결과를 다각적으로 해석한다. 제시된 방법론으로 임베딩 모델 별 변형 비속어에 대한 성능 보완 효과를 확인 할 수 있었고 임베딩 사전학습 데이터와 분류 성능 간 관계 또한 확인할 수 있었다. 본 연구는 기존에 주로 단어 분류 차원에서 다뤄져 온 변형 비속어를 문장 분류 차원에서 다룸으로써 학술적으로 주목받지 못한 영역을 밝히는 것에 의의가 있다. 또한 다양한 조건의 실험을 수행함으로써 기존 연구에서 확인하지 못한 실험 요소간 관계를 분석할 수 있었다.
현대사회에서 인터넷 댓글을 이용한 소통은 사회적으로 중요한 도구로써 역할을 해왔다. 하지만 그 이면에 자리한 악성 댓글 문제로 인해 인터넷 댓글의 유용성을 보전하면서 악성 댓글 문제를 해결하는 악성 댓글 분류 기술에 대한 수요가 날로 커지고 있다. 연구자 및 실무자들에 의해 주목받아온 악성 댓글 분류가 까다로워지는 원인은 암시적인 표현과 형태 변형 비속어를 포함한 경우가 있다. 변형 비속어를 포함한 경우는 단어 분류 차원에서 최근까지 연구되고 있지만, 문장 분류 차원의 연구는 이루어지지 않고 있다. 본 연구는 변형 비속어를 포함한 경우를 문장 분류 차원에서 연구하여 최근 연구에서 주목하지 않은 부분을 새롭게 조명하고자 한다. 본 연구는 분류 모델 별, 임베딩 모델 별, 임베딩 사전학습에 사용된 데이터 시점 별로 성능을 비교 분석하는 방법을 제시한다. 연구에 필요한 학습 및 평가 데이터는 네이버 뉴스 댓글을 수집하여 사용하였다. 연구 과정은 선정된 각 분류 모델의 일반적인 분류 성능을 평가하는 것에서 시작한다. 이후 학습된 모델을 활용하여 변형 비속어가 포함된 댓글을 분류하게 함으로써 임베딩 모델 사용 전후 성능의 차이를 비교 분석한다. 설정된 실험 조건들을 이용한 실험결과 비교 분석을 통해 결과를 다각적으로 해석한다. 제시된 방법론으로 임베딩 모델 별 변형 비속어에 대한 성능 보완 효과를 확인 할 수 있었고 임베딩 사전학습 데이터와 분류 성능 간 관계 또한 확인할 수 있었다. 본 연구는 기존에 주로 단어 분류 차원에서 다뤄져 온 변형 비속어를 문장 분류 차원에서 다룸으로써 학술적으로 주목받지 못한 영역을 밝히는 것에 의의가 있다. 또한 다양한 조건의 실험을 수행함으로써 기존 연구에서 확인하지 못한 실험 요소간 관계를 분석할 수 있었다.
In modern society, communication using Internet comments has served as an important social tool. However, due to the problem of malicious comments behind it, the demand for malicious comment classification technologies is increasing that solve malicious comment problems while preserving the usefulne...
In modern society, communication using Internet comments has served as an important social tool. However, due to the problem of malicious comments behind it, the demand for malicious comment classification technologies is increasing that solve malicious comment problems while preserving the usefulness of Internet comments. According to research, the reason for the difficulty in classifying Korean malicious comments, is implicit expressions and morphological slang in the comments. This have been noted by researchers and practitioners. Recently cases involving morphological slang have been studied in terms of word classification, but not in terms of sentence classification. This paper seeks to shed some light on new areas that have not been noted in recent studies by studying cases involving morphological slang in terms of sentence classification. This paper presents a method for comparing and analyzing performance of classification models those use different neural networks, embedding models, and data used for pre-training embedding models. Naver News comments were collected to build data set required to the modeling. In this paper, research process begins with evaluating general classification performance of each classification model. And then, next step is evaluating the classification performance for the comments containing morphological slang. In this process, we compare and analyze the differences in performance before and after the use of embedding models. The results are interpreted in various ways through a comparative analysis of the experiment results that used various experimental conditions. In this paper, the presented methodology was able to check the performance complementary effectiveness of embedding models on morphological slang and the relationship between classification performance and embedding model's pre-training data. In this way, we were able to get a new perspective on evaluating the model by dealing with morphological slangs in terms of sentence classification. Furthermore, by conducting experiments under various conditions, we were able to analyze relationships between experimental elements that were not identified in existing studies.
In modern society, communication using Internet comments has served as an important social tool. However, due to the problem of malicious comments behind it, the demand for malicious comment classification technologies is increasing that solve malicious comment problems while preserving the usefulness of Internet comments. According to research, the reason for the difficulty in classifying Korean malicious comments, is implicit expressions and morphological slang in the comments. This have been noted by researchers and practitioners. Recently cases involving morphological slang have been studied in terms of word classification, but not in terms of sentence classification. This paper seeks to shed some light on new areas that have not been noted in recent studies by studying cases involving morphological slang in terms of sentence classification. This paper presents a method for comparing and analyzing performance of classification models those use different neural networks, embedding models, and data used for pre-training embedding models. Naver News comments were collected to build data set required to the modeling. In this paper, research process begins with evaluating general classification performance of each classification model. And then, next step is evaluating the classification performance for the comments containing morphological slang. In this process, we compare and analyze the differences in performance before and after the use of embedding models. The results are interpreted in various ways through a comparative analysis of the experiment results that used various experimental conditions. In this paper, the presented methodology was able to check the performance complementary effectiveness of embedding models on morphological slang and the relationship between classification performance and embedding model's pre-training data. In this way, we were able to get a new perspective on evaluating the model by dealing with morphological slangs in terms of sentence classification. Furthermore, by conducting experiments under various conditions, we were able to analyze relationships between experimental elements that were not identified in existing studies.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.