Recomendados
Mais conteúdo relacionado
Semelhante a X corps 발표
Semelhante a X corps 발표 (20)
X corps 발표
- 1. CNS 심국보 이승호 정준호 오지민 이정민 최종규 AI 기반의 가짜뉴스 판별 서비스
- 2. 배경 및 제안 85%의 국민 가짜뉴스에 속은 경험 심각한 사회적, 경제적, 인명 피해 발생 비정형적인 가짜뉴스, 가짜정보들을 검증하는 서비스가 한글로 구현 x
- 3. 구성도 핵심 키워드 신뢰도 분석 연관 검색어 SNU 팩트체크 뉴스 LSTM 신뢰도 분석 SNU 팩트체크 뉴스 LSTM 감성분석 리뷰 데이터 신뢰도 분석 객관성 판별 연관 검색어
- 4. 데이터 수집 3000여개의 팩트 체크 뉴스 데이터 수집
- 5. 데이터 전처리 Under Sampling 20 : 80 진짜 가짜 Over Sampling
- 6. 데이터 전처리 • Class MyTokenizer 기사 또는 카카오톡 텍스트 처리 -> 조사, 문장기호, 접두사 및 외국어를 제외 pos 라는 메소드를 이용하여 각 형태소의 품사를 추출한 후, 텍스트 처리에 불필요한 품사를 제외시키는 과정.
- 7. 데이터 전처리 • Word_Indexing 수집한 Labled Data를 Tokenizing 및 형태소 분석, 벡터 차원을 맞추기 위한 패딩 작업을 실행 형태소 분석 텍스트 -> 숫자로 변환 패딩 작업 실행하여 전처리 완료
- 8. 데이터 학습 • Model Traning (LSTM) keras의 Sequential 함수로 Embedding층, Dense층, Bi-LSTM층을 쌓아 LSTM 모델을 구성 EMBEDDING_INDEX에 담아놓은 사전 훈련된 워드 임베딩(FastText)을 사용 딥러닝 모델(LSTM)의 입력층, 은닉층, 출력층을 구성
- 9. 데이터 학습 • Model Traning (LSTM) 손실 함수는 ‘binary crossentropy’, optimizer는 ‘adam’을 사용하여 모델 학습 전처리한 학습데이터로 model fit (모델 학습) 진행
- 10. 카테고리 분류 All 정치 경제 사회 기타 Bi-LSTM Bi-LSTM Bi-LSTM Bi-LSTM Bi-LSTM Bi-LSTM Sigmoid Output Bi-LSTM Layer1 BI-LSTM Layer2 Dense Layer Dense Layer Bi-LSTM Bi-LSTM Input
- 11. 네이버 댓글 학습 네이버 댓글 추가 분석 Article Data Article Model Comments Model [0.37, 0.86] [0.59, 0.62] Comments Data
- 12. 모델 성능 비교 정치 경제 사회 기타 카테고리 세분화 (under sampling) with Comments 53.2% 41.9% 64.5% 63.0% 카테고리 세분화 (under sampling) 53.2% 48.3% 60.7% 67.3% 전체 (under sampling) 50.6% 54.8% 55.6% 54.3%
- 13. 카카오톡 가짜뉴스 객관성 판별 15만 건의 리뷰데이터 학습 감성분석으로 객관성 정도 판단
- 14. 프로세스 효율성 개선 Schedule Every 1 hour Web scraping Article LSTM Model Comments LSTM Model Database Web Server 일정 시간마다 딥러닝 모델 실행하여 데이터베이스에 결과 저장 사용자 요청 처리시간 1.7초에서 0.01초로 단축
- 15. 시연 영상 1. 카카오톡 가짜뉴스 2. 키워드 가짜뉴스 3. 인기키워드
- 16. 시연 영상 1. 카카오톡 가짜뉴스 2. 키워드 가짜뉴스 3. 인기키워드
- 17. 시연 영상 1. 카카오톡 가짜뉴스 2. 키워드 가짜뉴스 3. 인기키워드
- 18. 감사합니다.