[논문]순환 신경망과 합성곱 신경망을 이용한 뉴스 기사 편향도 분석

오승빈; 김현민; 김승재

doi:10.6109/jkiice.2020.24.8.999

[국내논문] 순환 신경망과 합성곱 신경망을 이용한 뉴스 기사 편향도 분석
Analyzing Media Bias in News Articles Using RNN and CNN 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.24 no.8, 2020년, pp.999 - 1005

오승빈 (Incheon Academy of Science and Arts) , 김현민 (Incheon Academy of Science and Arts) , 김승재 (Incheon Academy of Science and Arts)

초록
AI-Helper

오늘날의 검색 포털은 뉴스의 창구로서는 가장 큰 비율을 차지하지만, 중립성에 대해서는 의문이 제기되고 있다. 이는 포털 뉴스가 편향된 정보의 소비를 유도할 수 있기 때문이다. 본 논문은 뉴스 기사의 정치적 편향도를 딥러닝을 이용하여 측정하는 방법에 대하여 소개한다. 이는 기사를 비판적으로 바라보는 시각을 뉴스 독자에게 제공할 것이다. 구체적으로, 국회 회의록에서 추출한 키워드에 편향도를 부여하고, 이를 기반으로 기사의 편향도를 분석하여 머신러닝용 데이터를 구축하였다. 최종적으로 순환 신경망과 합성곱 신경망을 융합한 딥러닝을 통해 기사의 편향도를 계산하는 것을 목표로 하였다. 학습한 모델의 정확도를 분석한 결과 문장별 편향의 좌/우편향 판정은 95.6%의 정확도를 보였으나, 신문기사 전체에서는 46.0%의 정확도를 보였다. 이는 기존의 여러 편향성 연구와 다르게 특정 주제에 한정되지 않고 기사의 보수-진보 편향성을 분석할 수 있도록 한다.

Abstract ▼ AI-Helper

While search portals' 'Portal News' account for the largest portion of aggregated news outlet, its neutrality as an outlet is questionable. This is because news aggregation may lead to prejudiced information consumption by recommending biased news articles. In this paper we introduce a new method of measuring political bias of news articles by using deep learning. It can provide its readers with insights on critical thinking. For this method, we build the dataset for deep learning by analyzing articles' bias from keywords, sourced from the National Assembly proceedings, and assigning bias to said keywords. Based on these data, news article bias is calculated by applying deep learning with a combination of Convolution Neural Network and Recurrent Neural Network. Using this method, 95.6% of sentences are correctly distinguished as either conservative or progressive-biased; on the entire article, the accuracy is 46.0%. This enables analyzing any articles' bias between conservative and progressive unlike previous methods that were limited on article subjects.

주제어

표/그림 (7)

그림 Fig. 1 Creation of Labeled Data
표 Table. 1 Part of extracted keywords which were mentioned more than 10 times in National Assembly proceedings
그림 Fig. 2 Model for learning article bias
그림 Fig. 3 Article Bias Distribution of Labeled Data
표 Table. 2 Statistics on news article bias
표 Table. 3 Statistics on sentence bias
그림 Fig. 4 Sentence Bias Distribution of Labeled Data

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 머신러닝을 통해 객관적으로 뉴스의 편향 도를 분석하는 것을 목표로 삼았다. 이를 위하여 웹에서 뉴스와 국회 회의록을 수집하여 기본 데이터를 구성하였다.
이에 따라 각 표현이 정치 성향 점수를 갖게 되며 이를 뉴스가 얼마나 사용하느냐에 따라 정치성향을 추정할 수 있게 된다[6]. 이러한 연구에 기반하여 본 연구에서는 국회 회의록에서 추출한 키워드에 발언자(국회의원)의 편향성에 기반하여 편향도를 부여한 후, 키워드를 뉴스에서 찾아 기사 및 문장별로 편향도를 계산하여 이를 머신러닝을 위한 Labeled Data로 사용하고자 하였다. 본연구에서의 정치적 성향은 ‘20대 국회의원 이념지도’[4] 에 기반한다.

제안 방법

기사의 편향도를 분석하는 모델에는 Filter Size가 2, Kernel Size가 2×2인 2차원 합성곱층과 Pooling Size가 2×2 인 2차원 풀링층을 2번 적용한 뒤 전결합층을 통해 1개의 편향도 전체 값을 도출하였다. 과적합을 방지하기 위해 모든 노드에 20%의 Dropout을 적용하였다. 손실 함수는 제곱평균 값을 사용하였으며, 최적화 알고리즘은 learning rate를 0.
문장의 편향도를 분석하는 모델에는 Bidirectional LSTM Cell을 100개의 Cell로 1층 사용한 뒤 Fully Connected Layer를 통해 1개의 값을 도출하였다. 기사의 편향도를 분석하는 모델에는 Filter Size가 2, Kernel Size가 2×2인 2차원 합성곱층과 Pooling Size가 2×2 인 2차원 풀링층을 2번 적용한 뒤 전결합층을 통해 1개의 편향도 전체 값을 도출하였다. 과적합을 방지하기 위해 모든 노드에 20%의 Dropout을 적용하였다.
뉴스 기사에서 키워드를 찾아 뉴스 기사와 문장의 편향 도를 분석한 후 편향도들의 분포에 관련된 통계 자료를 제작하였다.
기사는 제목과 문장으로 이루어진 여러 문단으로 구성되어 있다. 따라서 본 연구에서는 그림 2와 같이 순환 신경망과 합성곱 신경망을 융합한 모델을 사용하였다. 순환 신경망은 각각의 유닛이 순환적으로 연결된 특징을 가지고 있어 시변적 동적 특징을 모델링할 수 있다.
순환 신경망은 각각의 유닛이 순환적으로 연결된 특징을 가지고 있어 시변적 동적 특징을 모델링할 수 있다. 따라서 케라스의 단어 수준원-핫 인코딩을 이용하여 기사의 문장을 전처리하고, 순환 신경망을 이용하여 문장별 편향도 값을 학습한다. 이후 시각적 이미지를 분석하는 데에 사용되는 합성곱 신경망을 이용하여 신문의 제목과 각 문장의 편향도를 시각적으로 배치한 후 뉴스 기사의 편향도를 학습한다.
이를 통하여 HTML 형식의 온라인 개재물을 수집하였다. 마지막으로 Modest 기반의 Selectolax라는 CSS selector를 이용하여 HTML 파일에서 기사를 원문에 가깝게 추출하여 결과를 Python pickle 형태로 저장하였다. 수집된 데이터 중 구분자(ID), 언론사명(Press), 기사제목(Title), 본문 기사 내용(Content), 게재일시(Date) 및 기자명(Journalist) 만 Python의 Pickle 형식으로 저장하였다.
이후 시각적 이미지를 분석하는 데에 사용되는 합성곱 신경망을 이용하여 신문의 제목과 각 문장의 편향도를 시각적으로 배치한 후 뉴스 기사의 편향도를 학습한다. 문장의 편향도를 분석하는 모델에는 Bidirectional LSTM Cell을 100개의 Cell로 1층 사용한 뒤 Fully Connected Layer를 통해 1개의 값을 도출하였다. 기사의 편향도를 분석하는 모델에는 Filter Size가 2, Kernel Size가 2×2인 2차원 합성곱층과 Pooling Size가 2×2 인 2차원 풀링층을 2번 적용한 뒤 전결합층을 통해 1개의 편향도 전체 값을 도출하였다.
한다. 본 기법을 활용하기 위하여 이 연구에서는 국회 회의록에서 키워드를 추출하고, 이념지도에 기반하여 국회의원의 발언에 편향도를 부여하여 키워드별 편향도를 산출하였다. 이후 기사에서 키워드를 추출하여 산출한 편향 도를 기반으로 키워드 분석을 시행하였다.
수식 (1)을 통해 구한 키워드 별 파라미터를 사용하여 뉴스 및 문장의 편향도를 추정한다. 즉, _이 뉴스 혹은 문장 n의 편향도라고 할 때, 다음의 식을 만족하는 _을 찾고자 한다.
마지막으로 Modest 기반의 Selectolax라는 CSS selector를 이용하여 HTML 파일에서 기사를 원문에 가깝게 추출하여 결과를 Python pickle 형태로 저장하였다. 수집된 데이터 중 구분자(ID), 언론사명(Press), 기사제목(Title), 본문 기사 내용(Content), 게재일시(Date) 및 기자명(Journalist) 만 Python의 Pickle 형식으로 저장하였다. 본문 기사 내용 이외의 정보는 한국언론진흥재단에서 제공된 정보를 사용하였다.
위에서 기사별, 문장별로 계산한 Labeled Data를 활용하여 뉴스 기사의 편향성을 객관적으로 측정할 수 있는 머신러닝 모델을 제작했다. 기사는 제목과 문장으로 이루어진 여러 문단으로 구성되어 있다.
수식(1)의 _와 같이 _의 값이 양수이면 뉴스 혹은 문장 n이 우편향, 0이면 중도, 음수이면 좌편향이며 그 절대값이 클수록 더욱 편향적임을 나타낸다. 위의 수식들을 이용하여 한국언론진흥재단에서 추출한 뉴스와 뉴스에 포함된 각각의 문장의 편향도를 계산하여 Labeled Data를 제작하여 딥러닝 모델 학습에 사용한다.
본연구에서의 정치적 성향은 ‘20대 국회의원 이념지도’[4] 에 기반한다. 이념지도는 의원들의 편향도를 정치 성향을 언급할 때 주로 사용되는 진보, 보수의 정도에 따라 -50~50 사이의 숫자로 나타내고 있으며, 본 논문에서는 진보를 좌편향, 보수를 우편향으로 표현한다.
이후 Requests Library를 바탕으로 데이터 수집기(Data scraper)를 직접 제작하여 데이터를 수집하였다. 이를 통하여 HTML 형식의 온라인 개재물을 수집하였다.
이를 위하여 웹에서 뉴스와 국회 회의록을 수집하여 기본 데이터를 구성하였다. 이후 국회 회의록에서 추출한 키워드에 편향도를 부여해 이를 기반으로 각 뉴스와 문장마다 편향도를 측정하였고, 이를 머신러닝을 위한 Labeled Data로 사용하였다. 최종적으로 위의 데이터를 활용하여 RNN와 CNN을 융합한 머신러닝 모델을 통해 데이터를 학습하였다.
본 기법을 활용하기 위하여 이 연구에서는 국회 회의록에서 키워드를 추출하고, 이념지도에 기반하여 국회의원의 발언에 편향도를 부여하여 키워드별 편향도를 산출하였다. 이후 기사에서 키워드를 추출하여 산출한 편향 도를 기반으로 키워드 분석을 시행하였다. 본 기법은 이렇게 얻은 Labeled Data를 통하여 인공신경망을 훈련시켜 대부분의 기사에서 정치적 보수-진보 편향성을 산출한다.
따라서 케라스의 단어 수준원-핫 인코딩을 이용하여 기사의 문장을 전처리하고, 순환 신경망을 이용하여 문장별 편향도 값을 학습한다. 이후 시각적 이미지를 분석하는 데에 사용되는 합성곱 신경망을 이용하여 신문의 제목과 각 문장의 편향도를 시각적으로 배치한 후 뉴스 기사의 편향도를 학습한다. 문장의 편향도를 분석하는 모델에는 Bidirectional LSTM Cell을 100개의 Cell로 1층 사용한 뒤 Fully Connected Layer를 통해 1개의 값을 도출하였다.
이용해 텍스트 형태로 추출하였다. 이후 정규표현 식을 이용하여 회의 개의 이후부터 산회 선포까지 의회의 기록만을 분리하였다. 한 위원회 회의가 여러 개의 회의로 나누어진 경우에는 회의를 중지하는 부분까지의 기록만을 분리하였다.
이후 국회 회의록에서 추출한 키워드에 편향도를 부여해 이를 기반으로 각 뉴스와 문장마다 편향도를 측정하였고, 이를 머신러닝을 위한 Labeled Data로 사용하였다. 최종적으로 위의 데이터를 활용하여 RNN와 CNN을 융합한 머신러닝 모델을 통해 데이터를 학습하였다.
키워드 추출을 위하여 이 연구에서는 국회 누리집에서 이용 가능한 20대 국회 회의록을 다운로드 받은 뒤, 이 중 상임위원회, 특별위원회 및 본회의록을 Apache Tika를 이용해 텍스트 형태로 추출하였다. 이후 정규표현 식을 이용하여 회의 개의 이후부터 산회 선포까지 의회의 기록만을 분리하였다.

대상 데이터

그리하여 2018년 1월부터 2019년 10월까지의 500개의 국회본회의, 상임위원회, 특별위원회의 회의록으로부터 형태소 분석기 Khaiii를 이용해 키워드를 추출한 결과 총 712개가 추출되었다. 키워드 추출 기준은 논문 [6]의 부록을 참조하였다.
기반으로 계산하였다. 본 편향도는 W-NOMINATE 통계기법을 이용하여 17대 국회부터 20대 국회까지 총 9478건에 대한 의원들의 표결 행태를 분석하여 제작되었다.
수집된 데이터 중 구분자(ID), 언론사명(Press), 기사제목(Title), 본문 기사 내용(Content), 게재일시(Date) 및 기자명(Journalist) 만 Python의 Pickle 형식으로 저장하였다. 본문 기사 내용 이외의 정보는 한국언론진흥재단에서 제공된 정보를 사용하였다.
분석을 위해 한국신문협회 중앙지 회원사 중 한국언론진흥재단(Big Kinds)에서 제공하는 기사 URL 정보가 정확하지 않아 수집할 수 없었던 매일경제, 머니투데이, 한국일보를 제외하고 국제신문과 매일신문을 추가한 24개 신문사를 표본 프레임으로 사용하였다. 표본추출 기간은 최근 정치 활동을 분석할 수 있는 기간인 2018년 1월 1일∼2019년 11월 1일까지 679일로 하여 기사를 수집하였다.
키워드 추출 기준은 논문 [6]의 부록을 참조하였다. 이 중 선형회귀의 정확도를 위해 5회 이상 언급된 144개의 키워드만 분석에 사용하였다. 그리하여 아래의 표1에 144개의 키워드 중 10회 이상 언급된 키워드 일부의 언급된 횟수와 편향도를 나열하였다.
분석하는 것을 목표로 삼았다. 이를 위하여 웹에서 뉴스와 국회 회의록을 수집하여 기본 데이터를 구성하였다. 이후 국회 회의록에서 추출한 키워드에 편향도를 부여해 이를 기반으로 각 뉴스와 문장마다 편향도를 측정하였고, 이를 머신러닝을 위한 Labeled Data로 사용하였다.
이후 Requests Library를 바탕으로 데이터 수집기(Data scraper)를 직접 제작하여 데이터를 수집하였다. 이를 통하여 HTML 형식의 온라인 개재물을 수집하였다. 마지막으로 Modest 기반의 Selectolax라는 CSS selector를 이용하여 HTML 파일에서 기사를 원문에 가깝게 추출하여 결과를 Python pickle 형태로 저장하였다.
표본추출 기간은 최근 정치 활동을 분석할 수 있는 기간인 2018년 1월 1일∼2019년 11월 1일까지 679일로 하여 기사를 수집하였다. 분석 자료의 수집은 다음과 같은 3단계로 나누어진다.
한국언론진흥재단에서 키워드 기반 검색자료에서 원문 기사의 링크, 언론사 및 게재 날짜를 확보한다. 이후 Requests Library를 바탕으로 데이터 수집기(Data scraper)를 직접 제작하여 데이터를 수집하였다.

이론/모형

국회의원의 편향도는 조선일보가 서울대 한규섭 교수(폴랩)에 의뢰하여 발표한 ‘20대 국회의원 이념지도’[4] 를 기반으로 계산하였다. 본 편향도는 W-NOMINATE 통계기법을 이용하여 17대 국회부터 20대 국회까지 총 9478건에 대한 의원들의 표결 행태를 분석하여 제작되었다.
둘째, 기사 원문을 최근의 알고리즘으로 임베딩할 필요가 있다. 머신러닝 모델 부분에서는 Keras의 기본 단어 임베딩 모델을 이용하여 전처리를 시행하였다. 이는 단어 수준의 원-핫 인코딩이므로 단어 사이의 유사도를 표현하지 못하는 한계가 있다.
이러한 연구에 기반하여 본 연구에서는 국회 회의록에서 추출한 키워드에 발언자(국회의원)의 편향성에 기반하여 편향도를 부여한 후, 키워드를 뉴스에서 찾아 기사 및 문장별로 편향도를 계산하여 이를 머신러닝을 위한 Labeled Data로 사용하고자 하였다. 본연구에서의 정치적 성향은 ‘20대 국회의원 이념지도’[4] 에 기반한다. 이념지도는 의원들의 편향도를 정치 성향을 언급할 때 주로 사용되는 진보, 보수의 정도에 따라 -50~50 사이의 숫자로 나타내고 있으며, 본 논문에서는 진보를 좌편향, 보수를 우편향으로 표현한다.
과적합을 방지하기 위해 모든 노드에 20%의 Dropout을 적용하였다. 손실 함수는 제곱평균 값을 사용하였으며, 최적화 알고리즘은 learning rate를 0.0001로 조정한 Adam Optimizer를 사용하였다. 또한 전체 학습 데이터의 20%를 검증 데이터로 분리하였다.
총 712개가 추출되었다. 키워드 추출 기준은 논문 [6]의 부록을 참조하였다. 이 중 선형회귀의 정확도를 위해 5회 이상 언급된 144개의 키워드만 분석에 사용하였다.

성능/효과

그러나 본 방식은 국회회의록에서 키워드를 추출하고, 뉴스와 문장을 분석하여 Labeled Data를 지속적으로 제작할 수 있다. 또한 본 측정 방식을 참고한 연구와의 차별점으로, 키워딩 과정에서 이념지도를 추가적으로 사용하여 측정의 정확성을 높였다. 이렇게 추가된 데이터를 학습하여 계속 변화하는 사회적 이슈에 대응할 수 있으므로 본래 의도인 비판적 기사 소비유도에 적합할 것으로 보인다.
문장 단위 좌/우편향 여부 정확도 시험(CNN Binary Accuracy Test)은 95.6%, 기사 단위 좌 편향/우편향 여부 정확도 시험(RNN Binary Accuracy Test)는 46.0%를 기록하였다. 편향도 오차의 RMS값은 각각 0.
또한 본 측정 방식을 참고한 연구와의 차별점으로, 키워딩 과정에서 이념지도를 추가적으로 사용하여 측정의 정확성을 높였다. 이렇게 추가된 데이터를 학습하여 계속 변화하는 사회적 이슈에 대응할 수 있으므로 본래 의도인 비판적 기사 소비유도에 적합할 것으로 보인다. 이와 더불어 발언자 편향 도의 기준 자료와 토론, 연설 등의 기초 자료를 구성할 수 있다면 정치적 편향성 외에도 탈원전-친원전과 같은 다른 분야에서도 적용할 수 있을 것으로 기대한다.
하지만 본 논문에서 제안하는 기법은 여러 정치적 주제에 대한 편향성 측정에 대한 자동화를 가능하게 한다. 본 기법을 활용하기 위하여 이 연구에서는 국회 회의록에서 키워드를 추출하고, 이념지도에 기반하여 국회의원의 발언에 편향도를 부여하여 키워드별 편향도를 산출하였다.

후속연구

이는 단어 수준의 원-핫 인코딩이므로 단어 사이의 유사도를 표현하지 못하는 한계가 있다.[7] 따라서 문장 기반의 BERT나 ELMo 모델을 사용한다면 더욱 성능을 개선할 수 있을 것이다. [8]
Data Labeling에서 키워드를 추출할 때 복합 명사와 감성어구 키워드만 추출하므로 편향성이 담겨있을 만한 서술어나 표현은 놓칠 수 있다. 또한, 발언자의 편향성에만 기반한 키워드 편향도 분석법도 더욱 개선되어야 할 필요가 있다. 예를 들어, ‘패스트트랙’의 경우 좌 편향 키워드로 나타났지만 실제로는 우편향 뉴스에서도 공격의 목적으로도 사용될 수 있는 단어이다.
이렇게 추가된 데이터를 학습하여 계속 변화하는 사회적 이슈에 대응할 수 있으므로 본래 의도인 비판적 기사 소비유도에 적합할 것으로 보인다. 이와 더불어 발언자 편향 도의 기준 자료와 토론, 연설 등의 기초 자료를 구성할 수 있다면 정치적 편향성 외에도 탈원전-친원전과 같은 다른 분야에서도 적용할 수 있을 것으로 기대한다.

참고문헌 (8)

S. J. Kim, and Y. G. Jeong, "A Study on the Characteristics of Political Bias of Korean Press : Focused on the Analysis of 19th Presidential Election Coverage," Korean Journal of Communication & Information, vol. 88, pp.110-145, 2018.

상세보기
T. Hamborg, K. Donnay, and B. Gipp, Automated identification of media bias in news articles: an interdisciplinary literature review. International Journal on Digital Libraries, vol. 20, no. 4, 391-415. 2019.

상세보기
A. Balahur, R. Steinberger, M. Kabadjov, V. Zavarella, E. Goot, M. Halkia, B. Pouliquen, and J. Belyaeva, Sentiment analysis in the news. arXiv Prepr. arXiv1309.6202 (2013).
Chosun News. [20th National Assembly Ideology Map] Comparing the 17-20th National Assembly Ideology [Internet]. Available: https://news.chosun.com/site/data/html_dir/2018/01/08/20180108010 43.html.
M. Gentzkow, and J. M. Shapiro, "What drives media slant? Evidence from U.S. daily newspapers," Econometrica, vol. 78, no.1, pp. 35-71, 2010.

상세보기
D. W. Choi, "Internet Portal Competition and Economic Incentives to Tailor News Slant," The Korean Journal of Industrial Organization, vol. 25, no. 2, pp. 1-40, Jun. 2017.

상세보기
Tensorflow. tf.keras.preprocessing.text.Tokenizer[Internet]. Available:https://www.tensorflow.org/api_docs/python/tf/keras/preprocessing/text/Tokenizer.
S. Y. Hong, S. H. Na, J. H. Shin, and Y. K. Kim, "BERT and ELMo for contextualized word embeddings in Korean Dependency Parsing," The Korean Institute of Information Scientists and Engineers, 2019.6, 491-493(3 pages).

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증