http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
악성 비율과 키워드에 근거한 악성 댓글 완화 설명 구조 제안
전계원(Gyewon Jeon),이상원(Sangwon Lee) 한국HCI학회 2022 한국HCI학회 학술대회 Vol.2022 No.2
댓글은 시간과 공간에 큰 제약을 받지 않고 의견공유를 가능하게 하고 사회적, 경제적으로 긍정적인 영향을 미친다. 하지만 부정적인 효과 또한 함께 늘어나고 있어 댓글의 긍정적 효과는 유지하되 부정적인 면은 감소시키는 노력이 필요하다. 이를 위해 악성 댓글을 미리 탐색하여 물리적인 제한을 두는 연구들이 진행되고 있지만, 근본적인 해결을 위해서는 이용자들의 정상적인 사용을 유도해야한다. 본 연구에서는 댓글을 대표할 수 있는 직관적인 정보인 토픽을 토픽 모델링을 통해 추출하고, 이에 기반한 설명을 생성하여 사용자에게 제시함으로써 악성 댓글의 작성을 줄일 수 있는 대응 방안을 제안하였다. 토픽 모델링을 통해 약 50 만 건의 댓글을 11 가지의 토픽으로 분류하고, 각 토픽 별 악성 댓글의 비율과 악성 댓글에 자주 등장하는 키워드 정보를 추출해 두 정보를 조합하여 설명을 생성하는 악성 댓글 완화 설명 구조를 구현하였고, 실제 데이터를 적용하여 예시를 제시하였다. 이를 통해 글 자체의 정보를 활용하여 작성 중인 글에 실시간으로 대응하여 악성 댓글 작성을 완화 할 수 있을 것으로 기대된다.