KCI우수등재
ChatGPT와 다국어 BERT를 이용한 코로나-19 감염병 다국어 기사 자동 색인 및 분류 = COVID-19 Multilingual News Article Auto-indexing and Classification using ChatGPT and Multilingual BERT
저자
발행기관
학술지명
전자공학회논문지(Journal of the Institute of Electronics and Information Engineers )
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI우수등재
자료형태
학술저널
발행기관 URL
수록면
20-29(10쪽)
제공처
In this paper, we propose a method of automatically classifying multilingual new articles into predefined relevant events to help prevent international spread of the COVID-19. Conventional automatic classification methods require large amounts of learning data and human labeling, which are not suitable for coping with rapidly mutating and spreading COVID-19 and similar infectious diseases. We proposes a method for constructing large-scale training dataset by automatic article classification by ChatGPT and multilingual data augmentation by Google Translator, which are both paid services. Using the constructed multilingual training dataset, we proposed a model that automatically classifies news articles into the predefined categories using multilingual BERT. The proposed method enables early prediction of various types of COVID-19 events with decent accuracy. According to the experiments, with 5,898 news articles as training data the multilingual BERT without the proposed automatic indexing and augmentation, the average accuracy and F1 score were 85.85% and 67.57%, which were insufficient for practical applications. However, with 47,183 news articles using the proposed method, the average accuracy and F1 score improved to 98.21% and 95.71%.
더보기본 논문에서는 코로나-19 감염병의 국제적인 전파 및 해결방안의 도출을 위하여 다국어 기사들을 미리 정의한 연관 사건들로 자동 분류하는 방법을 제안한다. 기존의 자동 분류 방법들은 대량의 학습자료 수집 및 전문가에 의한 색인이 요구되며, 이는 빠르게 변이되고 확산되는 코로나-19 및 신종 감염병의 대처에 적합하지 않다. 본 연구는 색인되지 않은 다국어 기사들은 유료 서비스인 ChatGPT와 Google 번역기를 이용해 연관 사건들로 분류 및 확장하여 대규모 학습자료를 구축하는 방법을 제안한다. 구축된 다국어 학습자료를 이용하여 감염병 기사에 연관된 사건들로 자동 분류하는 다국어 버트(BERT) 기반 모델을 제안하였으며, 이를 이용하여 온라인 기사 기반 감염병 감시 체계를 구축하고, 최소한으로 유료 서비스 활용을 통해 매우 높은 정확도의 감염병 관련 사건 발생의 조기 예측을 가능하게 한다. 실험 결과 5,898건의 학습자료를 제안된 자동 색인 및 확장 없이 다국어 버트에 적용하였을 때 평균 정확도와 F1 점수가 85.85%, 67.57%로 실용화하기 부족한 성능을 보였으나, 제안된 방법을 사용하여 47,183건의 학습자료로 확장하여 구축하였을 때 평균 정확도와 F1 점수가 98.21%와 95.71%로 향상되었다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)