KR102461825B1 - 부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체 - Google Patents

부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체 Download PDF

Info

Publication number
KR102461825B1
KR102461825B1 KR1020210003514A KR20210003514A KR102461825B1 KR 102461825 B1 KR102461825 B1 KR 102461825B1 KR 1020210003514 A KR1020210003514 A KR 1020210003514A KR 20210003514 A KR20210003514 A KR 20210003514A KR 102461825 B1 KR102461825 B1 KR 102461825B1
Authority
KR
South Korea
Prior art keywords
negative
index
news
words
positive
Prior art date
Application number
KR1020210003514A
Other languages
English (en)
Other versions
KR20220102181A (ko
Inventor
신은혜
김도우
이종설
Original Assignee
대한민국
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 대한민국 filed Critical 대한민국
Priority to KR1020210003514A priority Critical patent/KR102461825B1/ko
Publication of KR20220102181A publication Critical patent/KR20220102181A/ko
Application granted granted Critical
Publication of KR102461825B1 publication Critical patent/KR102461825B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/34—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3334—Selection or weighting of terms from queries, including natural language queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3347—Query execution using vector based model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/912—Applications of a database
    • Y10S707/943—News

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체에 관한 것으로서, 본 발명의 실시예에 따른 부정뉴스 탐색장치는, 부정단어 및 긍정단어를 품사별로 구분하여 목록을 저장하는 저장부, 및 저장한 목록의 품사와 관련되는 품사 정보를 근거로 기수집한 뉴스 기사를 필터링하고, 필터링한 뉴스 기사의 부정단어 및 긍정단어들과 (기)저장한 품사별 목록의 부정단어 및 긍정단어를 이용하여 부정지수 및 긍정지수를 각각 산출하며, 산출한 부정지수 및 산출한 긍정지수를 연산하여 최종의 부정지수를 산출하는 제어부를 포함할 수 있다.

Description

부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체{Apparatus for Searching Fraudulent News and Driving Method Thereof, and Computer Readable Recording Medium}
본 발명은 부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체에 관한 것으로서, 더 상세하게는 가령 국가 재난 상황 등에 대비하기 위해 뉴스 기사를 활용해 부정 뉴스를 선별하고 선별한 부정 뉴스에서 지적 사항 등을 콘텐츠로 하여 재난 상황 극복을 위해 활용하려는 부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체에 관한 것이다.
최근 인터넷의 발달로 빅데이터 분석이 발전하고 있다. 데이터마이닝(data mining)은 많은 데이터 가운데 숨겨져 있는 유용한 상관관계를 발견하여, 미래에 실행 가능한 정보를 추출해 내고 의사 결정에 이용하는 과정을 말한다. 즉, 데이터에 숨겨진 패턴과 관계를 찾아내어 광맥을 찾아내듯이 정보를 발견해 내는 것이다. 여기에서 정보 발견이란, 데이터에 고급 통계 분석과 모델링 기법을 적용하여 유용한 패턴과 관계를 찾아내는 과정으로서, 데이터베이스 마케팅의 핵심 기술이라고 할 수 있다.
예를 들어, 한 백화점에서 판매 데이터베이스의 데이터를 분석하여 금요일 오전에는 어떤 상품들이 잘 팔리는가, 그리고 팔리는 상품들간에는 어떤 상관관계가 있는가 등을 발견하고 이를 마케팅에 반영하는 것이다. 따라서, 데이터마이닝의 필수 요소는 신뢰도가 높은 충분한 자료이다. 이것은 신뢰도 높은 충분한 자료가 정확한 예견을 가능하게 하기 때문이다. 그러나 너무 많은 자료는 오히려 데이터마이닝의 예견 능력을 떨어뜨릴 수 있으므로, 최적의 결과를 산출할 수 있는 의미 있는 자료의 확보가 필요하다.
한국에서 데이터마이닝은 아직은 초기 단계에 머물러 있지만, 곧 일반화될 것으로 기대된다. 그 이유는 데이터 마이닝을 하기 위한 최적의 시스템이 되는 데이터웨어하우스가 국내에 이미 많이 구축되어 있기 때문이다. 또, 기업의 요구 사항이 주로 고객관리에 중점을 두는 데이터베이스 마케팅 쪽으로 가고 있기 때문에 데이터마이닝의 발달은 필연적이라고 할 수 있다.
그런데, 현재 국가 차원에서 특히 재난 상황과 관련하여 뉴스 기사 등을 활용하여 정책 등에 반영하려는 등의 유용한 시스템이 구축되어 있지 않아 이에 대한 시스템의 구축이 절실히 요구되고 있다.
한국등록특허공보 제10-1741509호(2017.05.24) 한국등록특허공보 제10-1599675호(2016.02.25) 한국등록특허공보 제10-2104316호(2020.04.20)
본 발명의 실시예는 가령 국가 재난 상황 등에 대비하기 위해 뉴스 기사를 활용해 부정 뉴스를 선별하고 선별한 부정 뉴스에서 지적 사항 등을 콘텐츠로 하여 재난 상황 극복을 위해 활용하려는 부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체를 제공함에 그 목적이 있다.
본 발명의 실시예에 따른 부정뉴스 탐색장치는, 부정단어 및 긍정단어를 품사별로 구분하여 목록을 저장하는 저장부, 및 상기 저장한 품사와 관련되는 품사 정보를 근거로 기수집한 뉴스 기사를 필터링하고, 상기 필터링한 뉴스 기사의 단어들과 상기 저장한 품사별 목록의 부정단어 및 긍정단어를 이용하여 부정지수 및 긍정지수를 각각 산출하며, 상기 산출한 부정지수 및 상기 산출한 긍정지수를 연산하여 최종의 부정지수를 산출하는 제어부를 포함한다.
상기 제어부는, 상기 필터링한 뉴스 기사의 단어들에 대한 뉴스 기사 내 중요도를 더 고려하여 추가로 필터링해 상기 부정지수를 산출하며, 상기 뉴스 기사 내 중요도를 판단하기 위해 TF-IDF(Term Frequency - Inverse Document Frequency) 모델을 이용할 수 있다.
상기 제어부는, 상기 추가로 필터링해 얻은 단어들을 상기 품사별 목록의 부정단어 및 긍정단어와 비교하여 코사인 유사도(cosine similarity)를 측정하여 상기 부정지수를 산출하며, 각 부정단어마다 상기 코사인 유사도를 측정하여 가장 높은 값이 나오는 부정단어를 대표값으로 하는 대표값들의 총합을 상기 부정지수로 산출할 수 있다.
상기 제어부는, 상기 산출한 부정지수를 상기 뉴스 기사의 본문 길이로 나누어 정규화하고, 상기 정규화한 부정지수에 상기 산출한 긍정지수를 연산처리하여 상기 최종의 부정지수를 산출할 수 있다.
또한, 본 발명의 실시예에 따른 부정뉴스 탐색장치의 구동방법은, 저장부가, 부정단어 및 긍정단어를 품사별로 구분하여 목록을 저장하는 단계, 및 제어부가, 상기 저장한 품사와 관련되는 품사 정보를 근거로 기수집한 뉴스 기사를 필터링하고, 상기 필터링한 뉴스 기사의 단어들과 상기 저장한 품사별 목록의 부정단어 및 긍정단어를 이용하여 부정지수 및 긍정지수를 각각 산출하며, 상기 산출한 부정지수 및 상기 산출한 긍정지수를 연산하여 최종의 부정지수를 산출하는 단계를 포함한다.
상기 산출하는 단계는, 상기 필터링한 뉴스 기사의 단어들에 대한 뉴스 기사 내 중요도를 더 고려하여 추가로 필터링해 상기 부정지수를 산출하는 단계를 더 포함하며, 상기 뉴스 기사 내 중요도를 판단하기 위해 TF-IDF 모델을 이용할 수 있다.
상기 산출하는 단계는, 상기 추가로 필터링해 얻은 단어들을 상기 품사별 목록의 부정단어 및 긍정단어과 비교하여 코사인 유사도를 측정하여 상기 부정지수를 산출하는 단계, 및 각 부정단어마다 상기 코사인 유사도를 측정하여 가장 높은 값이 나오는 부정단어를 대표값으로 하는 대표값들의 총합을 상기 부정지수로 산출하는 단계를 더 포함할 수 있다.
상기 산출하는 단계는, 상기 산출한 부정지수를 상기 뉴스 기사의 본문 길이로 나누어 정규화하는 단계, 및 상기 정규화한 부정지수에 상기 산출한 긍정지수를 연산처리하여 상기 최종의 부정지수를 산출하는 단계를 더 포함할 수 있다.
한편, 본 발명의 실시예에 따른 컴퓨터 판독가능 기록매체는, 부정뉴스 탐색장치의 구동방법을 실행하기 위한 프로그램을 포함하는 컴퓨터 판독가능 기록매체로서, 상기 부정뉴스 탐색장치의 구동방법은, 부정단어 및 긍정단어를 품사별로 구분하여 목록을 저장하는 단계, 및 상기 저장한 품사와 관련되는 품사 정보를 근거로 기수집한 뉴스 기사를 필터링하고, 상기 필터링한 뉴스 기사의 부정단어 및 긍정단어들과 상기 저장한 품사별 목록의 부정단어 및 긍정단어를 이용하여 부정지수 및 긍정지수를 각각 산출하며, 상기 산출한 부정지수 및 상기 산출한 긍정지수를 연산하여 최종의 부정지수를 산출하는 단계를 실행한다.
본 발명의 실시예에 따르면 가령 국가 재난 등과 관련하여 정책 반영시 언론 기사 등에서 지적하는 지적 사항을 함께 활용함으로써 정책의 효율성을 증대시킬 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 부정뉴스 탐색 시스템을 나타내는 도면,
도 2는 본 발명의 실시예에 따른 부정뉴스 탐색장치로서 도 1의 사용자 단말장치의 세부구조를 예시한 블록다이어그램,
도 3은 도 2의 부정뉴스 탐색부의 다른 세부구조를 예시한 블록다이어그램, 그리고
도 4는 본 발명의 실시예에 따른 부정뉴스 탐색장치의 구동과정을 나타내는 흐름도이다.
이하, 도면을 참조하여 본 발명의 실시예에 대하여 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 부정뉴스 탐색시스템을 나타내는 도면이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 부정뉴스 탐색시스템(90)은 사용자 단말장치(100), 통신망(110) 및 뉴스 서비스장치(120)의 일부 또는 전부를 포함한다.
여기서, 사용자 단말장치(100) 및 뉴스 서비스장치(120) 중 적어도 하나의 장치는 본 발명의 실시예에 따른 부정뉴스 탐색장치로서 동작할 수 있으며, 2개의 장치가 부정뉴스 탐색장치로서 동작하는 경우에는 서로 협업하여 동작할 수 있으며, "일부 또는 전부를 포함"한다는 것은 통신망(110)과 같은 일부 구성요소가 생략되어 사용자 단말장치(100)와 뉴스 서비스장치(120)가 다이렉트(예: P2P) 통신을 수행하거나, 뉴스 서비스장치(120)를 구성하는 구성요소의 일부 또는 전부가 통신망(110)의 네트워크장치(예: 무선교환장치 등)에 통합되어 구성될 수 있는 것 등을 의미하는 것으로서, 발명의 충분한 이해를 돕기 위하여 전부 포함하는 것으로 설명한다.
사용자 단말장치(100)는 본 발명의 실시예에 따른 부정뉴스 탐색장치로서 동작할 수 있으며, 데스크탑컴퓨터, 랩탑컴퓨터, 태블릿PC, 스마트폰, 스마트 TV 등을 포함할 수 있다. 물론, 국내 S사의 갤러시*어와 같은 웨어러블장치도 포함할 수 있다. 본 발명의 실시예에 따른 사용자 단말장치(100)는 부정뉴스의 탐색이 가능하다면 다양한 장치가 가능할 수 있으며, 부정뉴스 탐색을 위한 프로그램을 실행할 수 있으면 어떠한 장치도 무관한다.
사용자 단말장치(100)는 대표적으로 국가 재난 상황 등에 대비하기 위하여 뉴스 등의 언론 기사에서 부정뉴스를 탐지하고 탐지한 언론 기사의 부정지수를 산출함으로써 이를 통해 해당 언론 기사에서 국가 재난과 관련하여 지적하는 지적 사항을 콘텐츠로서 취득하여 이를 국가 재난 대비나 대처, 또는 예방을 위한 정책 등에 반영하기 위하여 사용할 수 있도록 한다. 따라서, 본 발명의 실시예에 따른 사용자 단말장치(100)는 국가 정부 기관의 연구원 등에서 특정 연구원에 의해 사용되는 컴퓨터 등이 바람직할 수 있다.
예를 들어, 사용자 단말장치(100)는 본 발명의 실시예에 따른 동작을 수행하기 위한 프로그램을 기저장할 수 있다. 물론 프로그램은 저장매체를 통해 설치하거나 통신망(110)을 통해 프로그램 개발사의 서버에 접속하여 다운로드받는 등 다양한 형태로 설치될 수 있다. 또한, 사용자 단말장치(100)는 통신망(110)을 통해 뉴스 서비스장치(120)에 접속하여 국가 재난 등과 관련한 언론 기사를 수집하고 폴더(folder)를 생성해 그에 저장할 수 있다. 물론, 해당 폴더에 저장되는 언론기사는 국가 재난과 관련되는 뉴스 기사로서 100개 이내가 되거나 그 이상이 될 수도 있다. 물론 수집된 뉴스 기사는 폴더에 저장되는 것 이외에 엑셀 등의 파일 형태로 저장될 수도 있다. 본 발명의 실시예에 따른 뉴스 기사는 다양한 형태로 처리될 수 있으므로, 어느 하나의 형태에 특별히 한정하지는 않을 것이다. 다만, 뉴스 기사의 제목과 본문의 콘텐츠를 이용할 수 있다면 어떠한 형태여도 무관하다. 가령, 해당 언론 기사의 URL 주소정보를 이용하는 경우에는 해당 주소정보로 접속하여 제목 및 기사를 수집하는 것도 얼마든지 가능할 수 있다.
구체적으로, 사용자 단말장치(100)는 본 발명의 실시예에 따른 프로그램을 실행하는 경우 모니터 화면상에는 폴더를 드래그하거나 수집된 뉴스 기사 파일을 드래그하여 분석이 이루어지도록 할 수 있다. 이에 따라, 부정지수가 산출되고, 모니터 화면에서 분석 결과를 표시하는 일 영역에는 각각의 뉴스 기사에 대한 항목 또는 헤드라인과 그 일측에는 산출된 부정지수가 표시될 수 있다. 가령, 본 발명의 실시예에서는 부정지수가 5.0 이상인 뉴스 기사에 관심이 있으므로 부정지수가 5.0 이상인 뉴스 기사만을 일측에 모아 화면상에 보여지도록 할 수 있다. UX/UI와 관련하여 다양한 형태가 가능하므로, 어느 하나의 형태에 특별히 한정하지는 않을 것이다.
국가 연구소의 연구원 등이 사용하는 컴퓨터상에 본 발명의 실시예에 따른 분석을 통해 부정지수가 표시되는 경우, 해당 연구원은 부정지수를 근거로 뉴스 기사를 선별하여 본문을 다시 확인하고, 해당 뉴스 기사를 통해 국가 재난 등과 관련한 지적 사항 등을 확인하여 정책 등에 반영할 수 있을 것이다.
물론 본 발명의 실시예에서는 연구원 등이 사용하는 컴퓨터 등에 특별히 한정하지는 않을 것이며, 또한 국가 재난에 특별히 한정하지도 않을 것이다. 다시 말해, 본 발명의 실시예에 따른 부정뉴스의 탐색 방법은 어플리케이션(이하, 앱)의 형태로 사용자들의 스마트폰에서도 얼마든지 활용될 수 있으며, 나아가 가짜 뉴스 등을 선별하기 위하여 사용될 수도 있기 때문이다. 가령, 앱의 형태로 제작되는 경우에는 일반인들도 앱스토아 등을 통해 앱을 내려받아 이용하는 것도 얼마든지 가능할 수 있다.
또한, 사용자 단말장치(100)는 본 발명의 실시예에 따른 동작이 뉴스 서비스장치(120)에서 이루어지는 경우에는 해당 뉴스 서비스장치(120)에 접속하여 자신이 수집한 뉴스 기사들에 대한 목록이나 파일을 제공하여 위에서와 같은 서비스(예: 뉴스 기사에 대한 부정지수를 얻는 서비스)를 이용하는 것도 얼마든지 가능하다. 따라서 본 발명의 실시예에서는 어느 하나의 형태에 특별히 한정하지는 않을 것이다. 다시 말해, 본 발명의 실시예에서는 사용자 단말장치(100)에서 국가 재난 등과 관련해 관심있는 뉴스 기사를 수집하고, 수집한 뉴스 기사들을 기저장한 프로그램을 이용해 분석하여 분석 결과를 화면에서 부정지수의 형태로 확인할 수 있지만, 뉴스 서비스장치(120)에서 분석을 수행하거나 뉴스 서비스장치(120)와 연동하여 본 발명의 실시예에 따른 동작을 수행하는 것도 얼마든지 가능하다. 물론 사용자 단말장치(100)나 뉴스 서비스장치(120)와 별도로 부정뉴스 탐색 동작을 수행하는 별도의 장치(예: 서버)를 구축하는 것도 얼마든지 가능할 수 있을 것이다.
통신망(110)은 유무선 통신망을 모두 포함한다. 가령 통신망(110)으로서 유무선 인터넷망이 이용되거나 연동될 수 있다. 여기서 유선망은 케이블망이나 공중 전화망(PSTN)과 같은 인터넷망을 포함하는 것이고, 무선 통신망은 CDMA, WCDMA, GSM, EPC(Evolved Packet Core), LTE(Long Term Evolution), 와이브로(Wibro) 망 등을 포함하는 의미이다. 물론 본 발명의 실시예에 따른 통신망(110)은 이에 한정되는 것이 아니며, 차세대 이동통신 시스템의 접속망으로서 가령 클라우드 컴퓨팅 환경하의 클라우드 컴퓨팅망, 5G망 등에 사용될 수 있다. 가령, 통신망(110)이 유선 통신망인 경우 통신망(110) 내의 액세스포인트는 전화국의 교환국 등에 접속할 수 있지만, 무선 통신망인 경우에는 통신사에서 운용하는 SGSN 또는 GGSN(Gateway GPRS Support Node)에 접속하여 데이터를 처리하거나, BTS(Base Transceiver Station), NodeB, e-NodeB 등의 다양한 중계기에 접속하여 데이터를 처리할 수 있다.
통신망(110)은 액세스포인트를 포함할 수 있다. 여기서의 액세스포인트는 건물 내에 많이 설치되는 펨토(femto) 또는 피코(pico) 기지국과 같은 소형 기지국을 포함한다. 여기서, 펨토 또는 피코 기지국은 소형 기지국의 분류상 영상편집장치(130) 등을 최대 몇 대까지 접속할 수 있느냐에 따라 구분된다. 물론 액세스포인트는 사용자 단말장치(100)와 지그비 및 와이파이 등의 근거리 통신을 수행하기 위한 근거리 통신모듈을 포함할 수 있다. 액세스포인트는 무선통신을 위하여 TCP/IP 혹은 RTSP(Real-Time Streaming Protocol)를 이용할 수 있다. 여기서, 근거리 통신은 와이파이 이외에 블루투스, 지그비, 적외선, UHF(Ultra High Frequency) 및 VHF(Very High Frequency)와 같은 RF(Radio Frequency) 및 초광대역 통신(UWB) 등의 다양한 규격으로 수행될 수 있다. 이에 따라 액세스포인트는 데이터 패킷의 위치를 추출하고, 추출된 위치에 대한 최상의 통신 경로를 지정하며, 지정된 통신 경로를 따라 데이터 패킷을 다음 장치, 예컨대 뉴스 서비스장치(120)로 전달할 수 있다. 액세스포인트는 일반적인 네트워크 환경에서 여러 회선을 공유할 수 있으며, 예컨대 라우터(router), 리피터(repeater) 및 중계기 등이 포함된다.
뉴스 서비스장치(120)는 뉴스를 제공하는 언론사, 야후나 네*버, 다*음 등과 같은 포털 운영사의 서버 등을 포함할 수 있다. 이외에도 뉴스 서비스장치(120)는 뉴스를 제공하는 다양한 장치를 포함할 수 있다. 예를 들어, 본 발명의 실시예에 따른 부정뉴스 탐색 과정은 텍스트 형태의 뉴스 기사뿐 아니라, 동영상 형태의 뉴스 기사도 얼마든지 탐색이 가능할 수 있다. 예를 들어, 동영상의 음성 등을 인식하여 텍스트화하고, 텍스트화된 콘텐츠를 본 발명의 실시예에 이용할 수 있다. 따라서, 본 발명의 실시예에 따른 뉴스 서비스장치(120)는 텍스트 형태의 뉴스 기사뿐 아니라 동영상 형태의 뉴스 기사도 제공하는 장치를 모두 포함할 수 있다.
앞서 언급한 대로, 뉴스 서비스장치(120)는 사용자 단말장치(100)에서 제공하는 뉴스 기사나 뉴스 기사와 관련한 정보(예: URL 정보 등)를 근거로 부정지수를 산출하는 동작을 수행할 수 있으며, 이의 경우에는 뉴스 서비스장치(120)에서 이러한 분석이 가능할 수 있지만, 별도의 장치를 구성하는 부정뉴스 탐색장치로서 동작하도록 구축할 수도 있다. 다만, 본 발명의 실시예에서는 국가 재난과 관련한 부정뉴스를 탐색하고자 하고, 또 정부 산하의 국립재난안전연구원 등에 한하여 설명하는 만큼 연구원이 사용하는 컴퓨터 등의 사용자 단말장치(100)에서 본 발명의 실시예에 따른 동작이 이루어지는 것이 바람직하므로 더 이상의 설명은 생략한다.
예를 들어, 사용자 단말장치(100)의 사용자는 포털 서비스에 접속하여 즉 뉴스 서비스장치(120)에 접속하여 자신이 관심있는 키워드를 검색창에 입력함으로써 뉴스 기사와 관련한 검색 목록을 화면에서 확인할 수 있다. 그리고 화면에 표시되어 있는 뉴스 기사를 하나씩 수집할 수 있지만, 뉴스 서비스장치(120)에서 검색된 뉴스 기사를 일괄적으로 선택하여 수집할 수 있는 기능이 있다면(예: 전체선택 등) 이를 이용하여 100개 이내 또는 그 이상의 뉴스 기사를 수집하여 폴더에 저장시키거나 엑셀 파일 형태로 수집할 수 있다. 물론, 여기서 엑셀 파일의 경우에도 뉴스 기사의 제목과 본문을 포함하는 것이 바람직하다.
도 2는 본 발명의 실시예에 따른 부정뉴스 탐색장치로서 도 1의 사용자 단말장치의 세부구조를 예시한 블록다이어그램이다.
도 2에 도시된 바와 같이, 본 발명의 실시예에 따른 사용자 단말장치(100)는 데스크탑 컴퓨터, 랩탑 컴퓨터, 나아가 태블릿PC와 같은 컴퓨터로서, 통신 인터페이스부(200), 제어부(210), 부정뉴스 탐색부(220) 및 저장부(230)의 일부 또는 전부를 포함하며, 사용자 명령을 수신하는 사용자 인터페이스부, UI 화면 등을 표시하는 디스플레이부 등을 더 포함할 수 있다.
여기서, "일부 또는 전부를 포함한다"는 것은 저장부(230)와 같은 일부 구성요소가 생략되어 구성되거나, 부정뉴스 탐색부(220)와 같은 일부 구성요소가 제어부(210)와 같은 다른 구성요소에 통합되어 구성될 수 있는 것 등을 의미하는 것으로 발명의 충분한 이해를 돕기 위하여 전부 포함하는 것으로 설명한다.
통신 인터페이스부(200)는 도 1의 통신망(110)을 경유하여 프로그램 개발사의 서버 등에 접속하여 본 발명의 실시예에 따른 프로그램을 다운로드받아 저장하거나, EEPROM의 형태로 프로그램을 부정뉴스 탐색부(220)에 저장시키거나 CD, USB 등의 저장매체를 통해 프로그램을 저장시키기 위해 동작할 수 있다.
또한, 통신 인터페이스부(200)는 사용자 단말장치(100)를 사용하는 사용자의 요청에 따라 뉴스 서비스장치(120)에 접속하여 가령 국가 재난 등과 관련한 언론 기사를 수신하여 제어부(210)로 제공할 수 있다. 물론 통신 인터페이스부(200)는 뉴스 기사를 수집하는 과정에서 이미지가 있는 경우 이를 처리하기 위하여 디코딩 등의 동작을 수행할 수 있다. 좀더 구체적으로 통신 인터페이스부(200)는 뉴스 서비스장치(120)와 통신하기 위하여 변/복조, 먹싱/디먹싱, 인코딩/디코딩, 해상도를 변환하는 스케일링 등의 다양한 동작을 수행할 수 있으며, 이는 당업자에게 자명하므로 더 이상의 설명은 생략하다.
제어부(210)는 도 2의 사용자 단말장치(100)를 구성하는 통신 인터페이스부(200), 부정뉴스 탐색부(220) 및 저장부(230)의 전반적인 제어 동작을 담당한다. 예를 들어, 제어부(210)는 본 발명의 실시예에 따른 부정뉴스 탐색을 위한 프로그램을 부정뉴스 탐색부(220)에 저장시킬 수 있다. 그리고, 사용자의 요청이 있는 경우 부정뉴스 탐색부(220)를 제어하여 해당 프로그램을 실행시킬 수 있다.
또한, 제어부(210)는 사용자가 수집하는 국가 재난 등과 관련한 뉴스 기사가 통신 인터페이스부(200)에서 제공되면 이를 저장부(230)에 저장한 후 불러내어 부정뉴스 탐색부(220)로 제공해 부정지수 등이 산출되도록 할 수 있다. 이외에도 제어부(210)는 본 발명의 실시예에 따른 뉴스 기사의 부정뉴스 탐색을 위하여 부정뉴스 탐색부(220)와 다양한 동작을 수행할 수 있다.
부정뉴스 탐색부(220)는 제어부(210)의 요청에 따라 부정뉴스 탐색과 관련한 전반적인 동작을 수행한다. 예를 들어 부정뉴스 탐색부(220)는 사용자가 특정 주제(예: 국가 재난 등)와 관련하여 수집한 뉴스 기사에 대하여 뉴스 기사별로 부정지수를 산출하고 이를 근거로 특정 뉴스 기사의 콘텐츠를 사용자가 살필 수 있도록 한다. 이를 위하여 부정뉴스 탐색부(220)는 뉴스와 관련한 부정단어나 긍정단어의 품사별 목록을 생성하여 부정단어와 긍정단어의 정보 즉 데이터를 품사별로 구분하여 저장한다. 그리고, 수집한 뉴스 기사와 관련한 콘텐츠가 수신되면 기저장한 부정단어와 긍정단어를 이용해 목록(혹은 사전)에 없는 단어들은 모두 삭제한다. 본 발명의 실시예에서는 이를 필터링한다고 명명할 수 있다.
물론 본 발명의 실시예에서는 이보다는 뉴스 기사의 원문을 형태소 분석을 통해 품사별로 분류하고, 목록에 저장되어 단어들의 품사 정보를 근거로 단어들을 선별해 내며, 이를 위하여 목록의 품사 정보를 이용할 수 있지만, 화면상에 품사 정보를 별도로 입력하도록 하는 UI 화면을 제공하고 이를 통해 입력되는 품사 정보를 이용할 수도 있으므로, 본 발명의 실시예에서는 어느 하나의 형태에 특별히 한정하지는 않을 것이다. 부정뉴스 탐색부(220)는 선별된 단어들, 가령 부정단어나 긍정단어에 대하여도 TF-IDF와 같은 모델을 통해 하나의 뉴스 기사 내에서 얼마나 중요도를 갖는지를 분석하여 낮은 값을 갖는 단어들을 또한 삭제할 수 있다. 여기서, TF-IDF는 정보 검색과 텍스트 마이닝에서 이용하는 가중치로, 여러 문서로 이루어진 문서군이 있을 때 어떤 단어가 특정 문서 내에서 얼마나 중요한 것인지를 나타내는 통계적 수치이다(예: 기자, 뉴스 등). TF-IDF를 이용하는 이유는 필터링된 뉴스 기사에서의 부정지수 산출시 정확도를 높이기 위함이다. 예를 들어, '기자'나 '뉴스'와 같은 단어들은 모든 기사들에 포함되어 있고 부정뉴스 탐색시 중요한 키워드를 작용하지 않기 때문에 TF-IDF 값이 낮을 것으로 예상된다. 이러한 경우 이 단어들은 제외한다. 따라서, 이 단계는 부정지수 산출 전, 미리 작업을 해야하는 단계이다.
부정뉴스 탐색부(220)는 선별된 즉 필터링된 부정단어나 긍정단어에 대하여 코사인 유사도 측정을 통해 부정지수를 산출하기 위한 동작을 수행한다. 예를 들어, 선별된 부정단어가 총 n라 가정하면, 각 부정단어마다 품사별로 사전에 저장되어 있는 부정단어들과의 코사인 유사도를 측정하여 가장 높은 값의 단어의 코사인 유사도값을 대표값으로 한다. 이러한 방식으로 n번 반복하여 나온 대표값들의 합을 뉴스의 부정지수로 산출할 수 있다. 가령, 사전에 저장되는 명사 부정단어가 1000개이고, 선별된 명사 부정단어가 50개이면, 50개의 부정단어를 각각 사전의 동일 품사에 해당하는 단어들과 비교하여 코사인 유사도를 측정해 대표값을 얻고, 이의 과정으로 대표값을 합산하여 하나의 뉴스 기사에 대한 부정지수를 산출한다. 자세한 내용은 이후에 좀더 다루기로 한다.
TF-IDF 값이 낮은 단어들을 제외하고 남은 단어들에 대해 품사별 목록의 부정단어와 비교하여 코사인 유사도를 측정하여 부정지수를 산출하고, 각 부정단어마다 코사인 유사도를 측정하여 가장 높은 값이 나오는 부정단어의 코사인 유사도값을 대표값으로 하는 대표값들의 총합을 부정지수로 산출한다. 물론 긍정단어의 경우에는 긍정단어의 품사별 목록의 긍정단어와 비교하여 긍정지수를 산출하는 형태로 이루어질 수 있다.
또한, 부정뉴스 탐색부(220)는 산출한 부정지수의 정확도를 높이기 위하여 뉴스 기사의 본문길이를 반영할 수 있다. 즉 본문길이가 길수록 단어가 많이 존재하므로 정규화할 필요가 있는 것이다. 따라서, 부정뉴스 탐색부(220)는 부정지수를 본문길이로 나눠 정규화한다. 이후 부정뉴스 탐색부(220)는 위에서와 같은 방식으로 산출한 긍정지수를 부정지수에서 빼주어 즉 각각 산출한 부정지수와 긍정지수를 연산하여 최종의 부정지수를 산출하게 된다. 가령, 하나의 뉴스 기사마다 부정지수가 산출되므로, 100개의 뉴스 기사가 수집되어 분석되는 경우에는 100개의 기사에 대한 각각의 부정지수가 산출될 수 있다.
저장부(230)는 사용자에 의해 수집된 뉴스 기사에 대한 콘텐츠 즉 기사의 제목이나 본문이 저장될 수 있으므로, 목록의 형태로 저장될 수 있다. 또한, 프로그램의 실행 이전에 미리 부정단어와 긍정단어 등이 저장부(230)에 저장될 수 있지만, 이러한 부정단어와 긍정단어들에 대한 데이터는 부정뉴스 탐색부(220)의 프로그램 내 레지스트리에 저장될 수도 있으므로, 본 발명의 실시예에서는 어느 하나의 형태에 특별히 한정하지는 않을 것이다.
한편, 본 발명의 다른 실시예로서 제어부(210)는 CPU 및 메모리를 포함할 수 있으며, 원칩화하여 형성될 수 있다. CPU는 제어회로, 연산부(ALU), 명령어해석부 및 레지스트리 등을 포함하며, 메모리는 램을 포함할 수 있다. 제어회로는 제어동작을, 그리고 연산부는 2진비트정보의 연산동작을, 그리고 명령어해석부는 인터프리터나 컴파일러 등을 포함하여 고급언어를 기계어로, 또 기계어를 고급언어로 변환하는 동작을 수행할 수 있으며, 레지스트리는 소프트웨어적인 데이터 저장에 관여할 수 있다. 상기의 구성에 따라, 가령 도 1의 사용자 단말장치(100)의 동작 초기에 부정뉴스 탐색부(220)에 저장되어 있는 프로그램을 복사하여 메모리 즉 램(RAM)에 로딩한 후 이를 실행시킴으로써 데이터 연산 처리 속도를 빠르게 증가시킬 수 있다.
도 3은 도 2의 부정뉴스 탐색부의 다른 세부구조를 예시한 블록다이어그램이다.
도 3에 도시된 바와 같이, 도 2의 부정뉴스 탐색부(220)는 도 3에서와 같은 부정뉴스 탐색부(220')의 구조를 가질 수 있으며, 단어 목록부(300), 뉴스원문 축소부(310), 지수 산출부(320) 및 최종지수 결정부(330)의 일부 또는 전부를 포함하며, 여기서 "일부 또는 전부를 포함"한다는 것은 앞서서의 의미와 동일하다.
도 3에서 단어 목록부(300), 뉴스원문 축소부(310), 지수 산출부(320) 및 최종지수 결정부(330)는 하드웨어(H/W), 소프트웨어(S/W), 또는 그 조합에 의해 구성될 수 있으므로 본 발명의 실시예에서는 어느 하나의 형태에 특별히 한정하지는 않을 것이다.
단어 목록부(300)는 부정단어나 긍정단어를 품사별로 분류하여 저장한다. 가령 부정단어는 막막, 허술, 뒷북 등 총 2000여개의 단어가 사용될 수 있다. 명사(NN) 100개, 어근(XR) 200개, 일반부사(MAG) 200개 등으로 분류될 수 있다. 또한, 긍정단어는 마련, 추진, 강화 등의 단어들이 사용될 수 있다.
뉴스원문 축소부(310)는 하나의 뉴스에 제목과 본문을 형태소 분석을 통해 품사를 태깅하고, 부정단어(혹은 긍정단어) 목록에 있는 품사만 남기고 관련 없는 단어들은 삭제한다. 이를 위하여 가령 DB나 메모리에 저장되어는 품사 정보를 이용하거나 별도의 UI 화면을 통해 입력되는 품사 정보를 이용할 수 있다. 또한, TF-IDF를 통해 중요도가 낮은 값을 가진 단어도 삭제한다. TF-IDF는 품사에 의해 선별된 특정 단어가 하나의 뉴스 기사 내에서 얼마나 중요하게 고려되는지를 나타내는 수치이다. 이와 같이 뉴스원문 축소부(310)는 하나의 뉴스 기사 전체에서 원하지 않는 단어들을 삭제 즉 필터링함으로써 뉴스 원문의 텍스트 분량을 축소하는 것이다.
또한, 지수 산출부(320)는 부정지수를 산출할 뿐 아니라 긍정지수를 산출할 수 있다. 예를 들어, 뉴스원문 축소부(310)를 통해 남은 단어(w)가 n개라 가정하자. 따라서 n개 중 남은 단어 1개와 부정단어간의 코사인 유사도를 측정하여 가장 높은 값이 위의 남은 단어 1개의 대표값이 된다. 단, 남은 단어 1개의 품사와 같은 가령 목록상의 부정단어들간의 코사인 유사도를 측정한다
지수 산출부(320)는 나아가 n번 반복하여 나온 값들의 합을 해당 뉴스의 부정지수로 한다. n개에 대한 부정지수의 산출은 <수학식 1>과 같이 나타낼 수 있다.
Figure 112021003462811-pat00001
예를 들어 보면, 뉴스원문 축소부(310)에서 선별된 단어가 100가 존재한다고 가정하자. 이때, 명사는 70개, 어근은 20개, 일반부사는 10개이다. 이의 경우 명사 1개와 부정단어 내 명사 1000개간의 코사인 유사도를 측정하여 가장 큰값을 구하고, 70개의 부정단어에 대하여 반복한다. 70개의 각 명사에 대하여 유사도를 측정한다. 즉 위에서 남은 단어 중 명사가 70개이기 때문이다. 또한, 어근 1개와 부정단어 내 어근 200개간의 코사인 유사도를 측정하여 가장 큰값을 구하고, 20번을 반복한다. 남은 단어 중 어근이 20개이기 때문이다. 나아가, 일반부사 1개와 부정단어 일반부사 200개간의 코사인 유사도를 측정하여 가장 큰값을 구하고, 10번을 한다. 남은 단어 중 일반부사가 10개이기 때문이다. 이와 같은 방식으로 나온 대표값 100개의 합이 해당 뉴스의 부정지수가 된다.
또한, 최종지수 결정부(혹은 최종지수 산출부)(330)는 지수 산출부(320)에서 산출된 부정지수에 대하여 본문길이를 반영하고, 긍정단어의 지수를 반영한다. 다시 말해, 본문길이가 길수록 단어가 많이 존재하므로 정규화가 필요하다. 따라서 지수 산출부(320)에서 나온 부정지수를 본문 길이로 나눠 정규화한다. 또한, 긍정단어(예: 마련, 추진, 강화 등)로 위의 부정지수 산출 과정과 동일하게 수행하여 긍정지수를 산출하여 나온 긍정지수를 부정지수에 적용하여 최종 부정지수를 산출할 수 있다. 즉 최종 부정지수는 위의 지수 산출부(320)에서 각각 산출된 부정지수에서 긍정지수를 연산, 가령 뺄셈 처리함으로써 얻을 수 있다.
본 발명의 실시예에서는 각 뉴스 기사에 대하여 위에서와 같은 방식으로 최종 부정지수를 산출하고, 최종적으로 산출된 각 뉴스 기사의 부정지수는 다양한 형태로 그래픽 처리되어 사용자가 사용자 단말장치(100)의 화면에서 볼 수 있도록 생성될 수 있다. 따라서, 가령 본 발명의 실시예에 따른 부정뉴스 탐색장치로서 도 1의 사용자 단말장치(100)는 각 뉴스 기사의 일측에 최종 산출한 부정지수를 표시하기 위한 그래픽 처리부를 더 포함할 수 있을 것이다.
도 4는 본 발명의 실시예에 따른 부정뉴스 탐색장치의 구동과정을 나타내는 흐름도이다.
설명의 편의상 도 4를 도 1과 함께 참조하면 본 발명의 실시예에 따른 도 1의 사용자 단말장치(100) 및 뉴스 서비스장치(120) 중 적어도 하나의 장치는 본 발명의 실시예에 따른 부정뉴스 탐색장치(100, 120)로서, 또는 별도로 부정뉴스 탐색장치가 구축될 수 있지만, 부정단어 및 긍정단어에 대한 품사별 목록을 저장한다(S400). 일종의 품사별 단어 사전을 생성한다고도 볼 수 있다.
또한, 본 발명의 실시예에 따른 부정뉴스 탐색장치(100, 120)는 저장한 목록의 품사와 관련되는 품사 정보를 이용하여, 기수집한 뉴스 기사를 필터링하고, 이를 통해 가령 원문의 텍스트 분량을 축소하고, 필터링한 뉴스 기사의 부정단어 및 긍정단어들을 이용하여 부정지수 및 긍정지수를 각각 산출하며, 산출한 부정지수와 산출한 긍정지수를 연산하여 최종의 부정지수를 산출한다(S410).
예를 들어, 하나의 뉴스 기사에 대하여 필터링 동작 즉 기저장한 단어들의 품사 정보를 근거로 선별함으로써 원문 기사의 내용 즉 단어들은 축소된다. 단어의 분량이 축소되는 것이다. 이때, 부정뉴스 탐색장치(100, 120)는 뉴스 기사 내에서 각 단어들의 중요도를 고려하여 단어들을 추가로 선별할 수 있다. 또한, 부정뉴스 탐색장치(100, 120)는 선별된 단어들(예: 부정단어, 긍정단어)에 대하여 품사별로 코사인 유사도를 측정한다. 유사도 측정을 위해 비교되는 대상은 위의 기저장된 단어들이다. 가령, 명사에 대하여 저장된 단어가 1000개이고, 선별된 단어가 70개라고 가정하면, 70개 중 각각의 단어들과 1000개의 단어들의 유사도를 측정함으로써 70개의 단어에 대한 각각의 대표값을 얻을 수 있고, 이들의 합으로 해당 뉴스 기사의 부정지수를 산출한다. 다만, 코사인 유사도의 비교 대상은 동일 품사의 범주에 있어야 한다.
또한, 부정뉴스 탐색장치(100, 120)는 부정지수가 산출되면 해당 뉴스 기사의 본문길이와 긍정지수를 고려하여 최종적으로 부정지수를 산출한다. 산출된 부정지수를 분문길이로 나눠 정규화하고, 긍정지수를 뺄셈 처리함으로써 특정 뉴스 기사에 대한 최종의 부정지수를 산출할 수 있는 것이다.
상기한 내용 이외에도 본 발명의 실시예에 따른 부정뉴스 탐색장치(100, 120)는 다양한 동작을 수행할 수 있으며, 기타 자세한 내용은 앞서 충분히 설명하였으므로 그 내용들로 대신하고자 한다.
한편, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 비일시적 저장매체(non-transitory computer readable media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시 예를 구현할 수 있다.
여기서 비일시적 판독 가능 기록매체란, 레지스터, 캐시(cache), 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라, 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로, 상술한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리 카드, ROM 등과 같은 비일시적 판독가능 기록매체에 저장되어 제공될 수 있다.
이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100, 120: 부정뉴스 탐색장치 100: 사용자 단말장치
110: 통신망 120: 뉴스 서비스장치
200: 통신 인터페이스부 210: 제어부
220, 220': 부정뉴스 탐색부 230: 저장부
300: 단어 목록부 310: 뉴스원문 축소부
320: 지수 산출부 330: 최종지수 결정부

Claims (9)

  1. 부정단어 및 긍정단어를 품사별로 구분하여 목록을 저장하는 저장부; 및
    상기 저장한 목록의 품사에 관련되는 품사 정보를 근거로 기수집한 뉴스 기사를 필터링하고, 상기 필터링한 뉴스 기사의 단어들과 상기 저장한 품사별 목록의 부정단어 및 긍정단어를 이용하여 부정지수 및 긍정지수를 각각 산출하며, 상기 산출한 부정지수 및 상기 산출한 긍정지수를 연산하여 최종의 부정지수를 산출하는 제어부;를 포함하되,
    상기 제어부는, 상기 필터링한 뉴스 기사의 단어들에 대한 뉴스 기사 내 중요도를 더 고려하여 추가로 필터링해 상기 부정지수를 산출하고, 상기 뉴스 기사 내 중요도를 판단하기 위해 TF-IDF(Term Frequency - Inverse Document Frequency) 모델을 이용하며,
    상기 제어부는, 상기 추가로 필터링해 얻은 단어들을 상기 품사별 목록의 부정단어 및 긍정단어과 비교하여 코사인 유사도(cosine similarity)를 측정하여 상기 부정지수를 산출하고, 각 부정단어마다 상기 코사인 유사도를 측정하여 가장 높은 값이 나오는 부정단어의 코사인 유사도값을 대표값으로 하는 대표값들의 총합을 상기 부정지수로 산출하는 부정뉴스 탐색장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 제어부는, 상기 산출한 부정지수를 상기 뉴스 기사의 본문 길이로 나누어 정규화하고, 상기 정규화한 부정지수에 상기 산출한 긍정지수를 연산처리하여 상기 최종의 부정지수를 산출하는 부정뉴스 탐색장치.
  5. 저장부가, 부정단어 및 긍정단어를 품사별로 구분하여 목록을 저장하는 단계; 및
    제어부가, 상기 저장한 목록의 품사에 관련되는 품사 정보를 근거로 기수집한 뉴스 기사를 필터링하고, 상기 필터링한 뉴스 기사의 단어들과 상기 저장한 품사별 목록의 부정단어 및 긍정단어를 이용하여 부정지수 및 긍정지수를 각각 산출하며, 상기 산출한 부정지수 및 상기 산출한 긍정지수를 연산하여 최종의 부정지수를 산출하는 단계;를 포함하되,
    상기 산출하는 단계는,
    상기 필터링한 뉴스 기사의 단어들에 대한 뉴스 기사 내 중요도를 더 고려하여 추가로 필터링해 상기 부정지수를 산출하는 단계;를 더 포함하고,
    상기 뉴스 기사 내 중요도를 판단하기 위해 TF-IDF 모델을 이용하며,
    상기 산출하는 단계는,
    상기 추가로 필터링해 얻은 단어들을 상기 품사별 목록의 부정단어 및 긍정단어과 비교하여 코사인 유사도를 측정하여 상기 부정지수를 산출하는 단계; 및
    각 부정단어마다 상기 코사인 유사도를 측정하여 가장 높은 값이 나오는 부정단어의 코사인 유사도값을 대표값으로 하는 대표값들의 총합을 상기 부정지수로 산출하는 단계;를
    더 포함하는 부정뉴스 탐색장치의 구동방법.
  6. 삭제
  7. 삭제
  8. 제5항에 있어서,
    상기 산출하는 단계는,
    상기 산출한 부정지수를 상기 뉴스 기사의 본문 길이로 나누어 정규화하는 단계; 및
    상기 정규화한 부정지수에 상기 산출한 긍정지수를 연산처리하여 상기 최종의 부정지수를 산출하는 단계;를
    더 포함하는 부정뉴스 탐색장치의 구동방법.
  9. 부정뉴스 탐색장치의 구동방법을 실행하기 위한 프로그램을 포함하는 컴퓨터 판독가능 기록매체로서,
    상기 부정뉴스 탐색장치의 구동방법은,
    부정단어 및 긍정단어를 품사별로 구분하여 목록을 저장하는 단계; 및
    상기 저장한 목록의 품사와 관련되는 품사 정보를 근거로 기수집한 뉴스 기사를 필터링하고, 상기 필터링한 뉴스 기사의 단어들과 상기 저장한 품사별 목록의 부정단어 및 긍정단어를 이용하여 부정지수 및 긍정지수를 각각 산출하며, 상기 산출한 부정지수 및 상기 산출한 긍정지수를 연산하여 최종의 부정지수를 산출하는 단계;를 포함하되,
    상기 산출하는 단계는,
    상기 필터링한 뉴스 기사의 단어들에 대한 뉴스 기사 내 중요도를 더 고려하여 추가로 필터링해 상기 부정지수를 산출하는 단계;를 더 포함하고,
    상기 뉴스 기사 내 중요도를 판단하기 위해 TF-IDF 모델을 이용하며,
    상기 산출하는 단계는,
    상기 추가로 필터링해 얻은 단어들을 상기 품사별 목록의 부정단어 및 긍정단어과 비교하여 코사인 유사도를 측정하여 상기 부정지수를 산출하는 단계; 및
    각 부정단어마다 상기 코사인 유사도를 측정하여 가장 높은 값이 나오는 부정단어의 코사인 유사도값을 대표값으로 하는 대표값들의 총합을 상기 부정지수로 산출하는 단계;를
    더 포함하는 컴퓨터 판독가능 기록매체.
KR1020210003514A 2021-01-11 2021-01-11 부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체 KR102461825B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210003514A KR102461825B1 (ko) 2021-01-11 2021-01-11 부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210003514A KR102461825B1 (ko) 2021-01-11 2021-01-11 부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체

Publications (2)

Publication Number Publication Date
KR20220102181A KR20220102181A (ko) 2022-07-20
KR102461825B1 true KR102461825B1 (ko) 2022-11-07

Family

ID=82609123

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210003514A KR102461825B1 (ko) 2021-01-11 2021-01-11 부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체

Country Status (1)

Country Link
KR (1) KR102461825B1 (ko)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150015423A (ko) * 2014-12-08 2015-02-10 한양대학교 에리카산학협력단 뉴스 추천 시스템 및 뉴스 추천 방법
KR101741509B1 (ko) 2015-07-01 2017-06-15 지속가능발전소 주식회사 뉴스의 데이터마이닝을 통한 기업 평판 분석 장치 및 방법, 그 방법을 수행하기 위한 기록 매체
KR101599675B1 (ko) 2015-07-02 2016-03-03 한국기업데이터 주식회사 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법
KR102104316B1 (ko) 2018-03-19 2020-04-27 동국대학교 산학협력단 뉴스를 분석하여 기업의 주가를 예측하는 장치 및 이의 동작 방법
KR20200048693A (ko) * 2018-10-30 2020-05-08 삼성에스디에스 주식회사 감성 분석 시스템 및 그 방법
KR20200127636A (ko) * 2019-05-03 2020-11-11 주식회사 자이냅스 감성 정보 제공을 위한 뉴스 기사의 감성 정보 레이블링 장치의 동작 프로그램이 기록된 기록매체

Also Published As

Publication number Publication date
KR20220102181A (ko) 2022-07-20

Similar Documents

Publication Publication Date Title
US10504120B2 (en) Determining a temporary transaction limit
KR101855147B1 (ko) 사용자 선호도 분석 방법 및 그를 위한 디바이스
CN106991175B (zh) 一种客户信息挖掘方法、装置、设备以及存储介质
CN105988996B (zh) 一种索引文件生成方法及装置
CN101999121A (zh) 推荐信息评价装置及推荐信息评价方法
CN107908616B (zh) 预测趋势词的方法和装置
CN105718533A (zh) 信息推送方法和装置
CN111026853A (zh) 目标问题的确定方法、装置、服务器和客服机器人
TWI457775B (zh) 網址分類管理方法及使用該方法之電子裝置
CN111666383A (zh) 信息处理方法、装置、电子设备及计算机可读存储介质
CN110032616A (zh) 一种文档阅读情况的采集方法及装置
KR101651963B1 (ko) 시공간 연관 정보 생성 방법, 이를 수행하는 시공간 연관 정보 생성 서버 및 이를 저장하는 기록매체
KR20190036834A (ko) SaaS 어플리케이션 연동 서비스의 제공장치 및 그 제공방법
KR102461825B1 (ko) 부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체
CN116932906A (zh) 一种搜索词推送方法、装置、设备及存储介质
US11468126B2 (en) Method for collecting component model in component e-commerce platform
CN115470190A (zh) 一种多存储池数据分类存储方法、系统与电子设备
KR101784057B1 (ko) 모바일 단말의 사용자 정보를 이용한 맞춤형 콘텐츠 공유 방법 및 장치
CN112256836A (zh) 记录数据的处理方法、装置和服务器
CN111984839A (zh) 绘制用户画像的方法和装置
KR102485460B1 (ko) 맞춤형 통계 분석 서비스를 제공하는 시스템 및 시스템의 동작 방법
KR101640426B1 (ko) 모바일 빅 데이터 분석 장치
KR20190052437A (ko) 비정형 데이터 분석 방법 및 장치
JP7355375B2 (ja) 入力項目表示制御システム、および入力項目表示制御方法
CN111143694B (zh) 一种情报推送方法、装置及存储设备、程序

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right