뉴스와 소셜 데이터를 활용한 텍스트 기반 가짜 뉴스 탐지 방법론

국문 초록 (Abstract)

최근 가짜 뉴스가 분야를 막론하고 전 세계에서 주목을 받고 있으며, 현대경제연구원에서는 이러한 가짜 뉴스로 인한 피해 규모가 연간 약 30조 900억원에 달하는 것으로 추산하였다. 정부에서는 “가짜 뉴스 찾기”를 주제로 “인공지능 R&D 챌린지” 대회를 개최하여 가짜 뉴스를 가려낼 인공지능 원천기술 개발에 대한 첫 걸음을 내딛고 있으며, 민간 차원에서도 다양한 분야에서 팩트 체크 서비스가 제공되고 있다. 학계에서도 가짜 뉴스를 탐지하기 위한 시도가 전문가 기반, 집단지성 기반, 인공지능 기반, 시맨틱 기반 등으로 활발하게 이루어지고 있다. 하지만 이러한 시도는 조작의 정밀도가 높을수록 뉴스 자체에 대한 분석만으로 진위 여부를 식별하기가 더욱 어렵다는 한계를 경험하고 있으며, 가짜 뉴스 탐지 모델의 정확도가 과평가된 경향을 보이고 있다. 따라서 본 연구에서는 가짜 뉴스 탐지 모델 정확도의 공정성을 확보하고, 뉴스의 내용뿐만 아니라 해당 뉴스에 대한 반응으로 자연적으로 발생한 광범위한 소셜데이터를 활용하여 뉴스의 진위 여부를 판정하는 방안을 제안하고자 한다.

다국어 초록 (Multilingual Abstract)

Recently, fake news has attracted worldwide attentions regardless of the fields. The Hyundai Research Institute estimated that the amount of fake news damage reached about 30.9 trillion won per year. The government is making efforts to develop artificial intelligence source technology to detect fake news such as holding “artificial intelligence R&D challenge” competition on the title of “searching for fake news.” Fact checking services are also being provided in various private sector fields. Nevertheless, in academic fields, there are also many attempts have been conducted in detecting the fake news. Typically, there are different attempts in detecting fake news such as expert-based, collective intelligence-based, artificial intelligence-based, and semantic-based. However, the more accurate the fake news manipulation is, the more difficult it is to identify the authenticity of the news by analyzing the news itself. Furthermore, the accuracy of most fake news detection models tends to be overestimated. Therefore, in this study, we first propose a method to secure the fairness of false news detection model accuracy. Secondly, we propose a method to identify the authenticity of the news using the social data broadly generated by the reaction to the news as well as the contents of the news.

목차 (Table of Contents)

• 초록
• ABSTRACT
• 1. 서론
• 2. 관련 연구
• 3. 가짜 뉴스 탐지 방법론
• 4. 실험
• 5. 결론
• References

참고문헌 (Reference)

• 1 이동훈, "텍스트 마이닝을 이용한 주제기반의 기업인 네트워크 계층 분석" 한국전자거래학회 23 (23): 33-49, 2018
• 2 오세욱, "자동화된 사실 확인(fact checking) 기술(technology)의 현황과 한계" 사이버커뮤니케이션학회 34 (34): 137-180, 2017
• 3 황용석, "가짜뉴스의 개념화와 규제수단에 관한 연구 ― 인터넷서비스사업자의 자율규제를 중심으로 ―" (사)한국언론법학회 16 (16): 53-101, 2017
• 4 권만우, "가짜뉴스(Fake News) 현황분석을 통해 본 디지털매체시대의 쟁점과 뉴스콘텐츠 제작 가이드라인" 한국멀티미디어학회 18 (18): 1419-1425, 2015
• 5 Albright, R, "Taming Text with the SVD" SAS Institute Inc 2006
• 6 이성직, "TF‐IDF의 변형을 이용한 전자뉴스에서의 키워드 추출 기법" 한국전자거래학회 14 (14): 59-73, 2009
• 7 Sethi, R. J, "Spotting Fake News: A Social Argumentation Framework for Scrutinizing Alternative Facts" 866-869, 2017
• 8 Kim, D. J, "Semantic Analysis on Fake News through Portal Site and Social Network" 2017
• 9 Kwon, S, "Prominent Features of Rumor Propagation in Online Social Media" 1103-1108, 2013
• 10 Jin, Z, "News Credibility Evaluation on Microblog with a Hierarchical Propagation Model" 230-239, 2014
• 11 Chen, Y, "Misleading Online Content: Recognizing Clickbait as False News" 15 (15): 15-19, 2015
• 12 Weiss, S. M, "Fundamentals of Predictive Text Mining" Springer 2010
• 13 Granik, M, "Fake News Detection Using Naive Bayes Classifier" 900-903, 2017
• 14 Park, J. H, "Development of a Fake News Discrimination System using SVM Classifier" 354-355, 2017
• 15 Rubin, V. L, "Deception Detection for News : Three Types of Fakes" 52 (52): 1-4, 2016
• 16 Chen, C, "Battling the Internet Water Army:Detection of Hidden Paid Posters" 116-120, 2013
• 17 Conroy, N. J, "Automatic Deception Detection : Methods for Finding Fake News" 52 (52): 1-4, 2016
• 18 Kim, H. Y, "An Exploratory Study on Fake News Using Topic Modeling: Focused on Fake News Published in the Online Journalism" 2017
• 19 Salton, G, "A Vector Space Model for Automatic Indexing" 18 (18): 613-620, 1975