Acknowledgement
이 논문은 과학기술정보통신부의 재원으로 기초과학연구원의 지원(IBS-R029-C2)과 한국연구재단의 지원을 받아 수행된 기초연구사업임. (No. NRF-2017R1E1A1A01076400, NRF-2019S1A5B5A01040041).
Annual Conference on Human and Language Technology (한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리))
- 2021.10a
- /
- Pages.281-286
- /
- 2021
- /
- 2005-3053(pISSN)
Objectivity in Korean News Reporting : Machine Learning-Based Verification of News Headline Accuracy
기계학습 기반 국내 뉴스 헤드라인의 정확성 검증 연구
- Baik, Jisoo (Korean National Open University) ;
- Lee, Seung Eon (IBS Data Science Group) ;
- Han, Jiyoung (KAIST) ;
- Cha, Meeyoung (IBS Data Science Group)
- Published : 2021.10.14
Abstract
뉴스 헤드라인에 제3자의 발언을 직접 인용해 전언하는 이른바 '따옴표 저널리즘'이 언론 보도의 객관주의 원칙을 해치는지는 언론학 및 뉴스 구독자에게 중요한 문제이다. 이 연구는 온라인 포털사이트를 통해 실시간 유통되는 한국어 기사의 정확성을 판별하기 위한 기계학습(Machine Learning) 모델을 제안한다. 이 연구에서 제안하는 모델은 Edit Distance와 FastText 기법을 활용해 기사 제목과 본문 내 인용구의 유사성을 측정하고, XGBoost 모델을 활용해 최종 분류한다. 아울러 이 모델을 통해 229만 건의 뉴스 헤드라인에 대해 직접 인용구가 포함된 기사가 취재원의 발언을 주관적인 윤색없이 독자들에게 전하고 있는지를 판별했다. 이뿐만 아니라 딥러닝 기반의 KoELECTRA 모델을 활용해 기사의 제목 내 인용구에 대한 감성 분석을 진행했다. 분석 결과, 윤색이 가미되지 않은 직접 인용형 기사의 비율이 지난 20년 동안 10% 이상 증가했으며, 기사 제목의 인용구에 나타나는 감정은 부정 감성이 긍정 감성의 2.8배 정도로 우세했다. 이러한 시도는 앞으로 계산사회과학 방법론과 빅데이터에 기반한 언론 보도의 평가 및 개선에 도움을 주리라 기대한다.