그래프 구조를 이용한 악성 댓글 분류 시스템 설계 및 구현
Design and implementation of malicious comment classification system using graph structure
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
인터넷상의 소통을 위해 댓글 시스템은 필수적이다. 하지만 온라인상의 익명성을 악용하여 타인에 대한 부적절한 표현 등의 악성 댓글 또한 존재한다. 악성 댓글로부터 사용자를 보호하기 위해 악성/정상 댓글의 분류가 필요하고 이는 텍스트 분류로 구현할 수 있다. 자연어 처리에서 텍스트 분류는 중요한 주제 중 하나이고 최근 BERT 등 pretrained model을 활용한 연구와 GCN, GAT 등의 그래프 구조를 활용한 연구가 활발히 진행되고 있다. 본 연구에서는 실제 공개된 댓글에 대해 BERT, GCN, GAT 을 활용하여 댓글 분류 시스템을 구현하고 성능을 비교하였다. 본 연구에서는 그래프 기반 모델을 사용한 시스템이 BERT 대비 높은 성능을 보여주었다.
Abstract
A comment system is essential for communication on the Internet. However, there are also malicious comments such as inappropriate expression of others by exploiting anonymity online. In order to protect users from malicious comments, classification of malicious / normal comments is necessary, and this can be implemented as text classification. Text classification is one of the important topics in natural language processing, and studies using pre-trained models such as BERT and graph structures such as GCN and GAT have been actively conducted. In this study, we implemented a comment classification system using BERT, GCN, and GAT for actual published comments and compared the performance. In this study, the system using the graph-based model showed higher performance than the BERT.
참고문헌 (17)
- 김재원, "연예인 관련 게시물 악성댓글 작성의향에 영향을 미치는 요인에 관한 연구", 한국중독범죄학회보, 9(3), pp.1~20 (2019), 한국중독범죄학회[DOI]
- 정일권, "온라인 미디어에서의 댓글이 여론에 미치는 영향에 관한 연구 : 여론동향 지각과 제3자 효과를 중심으로", 한국언론학보, 50(4), pp.302~327 (2006), 한국언론학회
- J. R Kim., "A Study on Corporate Reputation and Profitability-Focus on Online News and Comments-", pp.2018
- Internet Ethics Culture Survey Summary Report, "Korea Internet & Security Agency", Korea Internet & Security Agency, ~ (2012)
- Convolutional Neural Networks for Sentence Classification, "Y. Kim.", ~ (2014)
- A C-LSTM Neural Network for Text Classification, "Zhou, C.", ~ (2015)
- BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding, "Devlin, J.", Mlm, ~ (2018)
- Tensor Graph Convolutional Networks for Text Classification, "Liu, X.", ~ (2020)
- J. J. Hong, "A Malicious Comments Detection Technique on the Internet", pp.2015
- S. H. Kim, "A Malicious Comments Detection Technique on the Internet using Artificial Neural Network", pp.2016
- 김진우, "인공신경망을 적용한 악성 댓글 분류 모델들의 성능 비교", 디지털콘텐츠학회논문지, 20(7), pp.1429~1437 (2019), 한국디지털콘텐츠학회[DOI]
- "jigsaw-unintended-bias-in-toxicity-classification" (2019)[URL]
- Kipf, T. N., "Semi-supervised classification with graph convolutional networks", 5th International Conference on Learning Representations, ICLR 2017 - Conference Track Proceedings, pp.1~14 (2017)
- "Multi-layer Graph Convolutional Network (GCN) with first-order filters" (2016)[URL]
- "Deep Learning using Rectified Linear Units (ReLU)" (2018)[URL]
- 5021-Distributed-Representations-of-Words-and-Phr ases-and-Their-Compositionality, "Mikolov, T.", 1~9
- "Adam: A Method for Stochastic Optimization" (2014)[URL]