가짜 뉴스는 개인뿐만 아니라 국가적인 피해를 입힐 수 있다. 본 연구에서는 가짜 뉴스를 식별하기 위한 인공지능 기법을 선정하고 해당 기법을 뉴스 데이터 셋에 적용하여 얻은 결과를 기반으로 인공지능 기법들을 비교 분석하고자 한다. 이를 위해 뉴스 데이터 셋의 특징을 분석하고 로지스틱 회귀, 나이브 베이즈, 랜덤 포레스트, 서포트 벡터 머신, 퍼셉트론, 그리고 순환 신경망과 같은 여섯 가지 인공지능 기법을 선택하여 가짜 뉴스를 판별하는 모델을 구현하였다. 마지막으로 실험 결과 분석을 통해 자연어 처리 후에 인공지능 모델을 학습시킬 때 입력 데이터의 문장 길이, 단어 집합의 크기와 같은 요소뿐만 아니라, 인공지능 모델의 조정 가능한 요소 및 학습 데이터와 테스트 데이터의 비율이 모델의 성능에 중요한 역할을 함을 분석하였다.
Fake news can cause not only individual but also national damages. In this study, we aim to select artificial intelligence techniques for identifying fake news and compare and analyze these techniques based on the results obtained by applying them to the news dataset. To achieve this, we analyzed the characteristics of the news dataset and implemented models for discriminating fake news using six artificial intelligence techniques: logistic regression, naive bayes, random forest, support vector machine, perceptron, and recurrent neural network. Finally, through analysis of the experimental results, we investigated the importance of various factors such as sentence length, vocabulary size, hyper parameters of the artificial intelligence models, and the ratio of training data to test data in influencing the performance of the models after natural language processing during training.
Ⅰ. 서론
Ⅱ. 관련 연구 및 배경
Ⅲ. 연구 방법
Ⅳ. 연구 결과 및 분석
Ⅴ. 결론
참고문헌