[논문 리뷰] 딥러닝으로 혐오 표현 감지하기 in Tweets

 

 

(논문 title)

 

 

최근 Toy project를 진행하던 도중, 감정을 분류하는 프로세스에 관심이 생겼다.
감정 분류는 어떤 모델로 하고 있을까?라는 궁금증이 생겨 가볍게 읽어보게 되었다.

내용은 간단하다.

 

 

[Source url: https://arxiv.org/pdf/1706.00188.pdf , Cornell University] 

 

 

 

1. Summary

혐오표현 Detection은 AI챗봇, 추천 알고리즘, 감정 분석에 중요하다. 하지만 NLP 구조의 복잡성 때문에 쉽지 않다. 저자는 Deep learning Model을 써서 Hate speech detection을 시도했으며, 성과가 있었다.
* 딥러닝은 활성화된지 오래되지 않았다. 2017년에 논문이 발간되었으며, 당시엔 DL로 시도한 것만으로 의미가 있었던 것으로 생각된다.

We focus on classifying a tweet as racist, sexist or neither.

저자는 Baseline, Proposed Approach로 차이를 두어 성능 비교를 했다.

Baseline : (1) N-grams (2) TF-IDF (3) BoWV

Proposed Approach : (1) CNNs (2) LSTM (3) FastText

예상했겠지만, Deep Learning 모델을 사용한 혐호표현 분류가 성능이 더 좋았다. 
Part B에서도 CNN > LSTM > FastText 순으로 성능이 좋았다.

저번에 논문 찾다가 읽었을 때(CNN for sentence classification, Yoon KIM, 2014)도 그렇고, NLP 분류 문제에 CNN이 자주 보인다.

 

 

 

 

2. 결론

사실 결론은 뭐 없다.

그저 NLP에 Deep Learning이 장악한 현 상황에선, 역사를 알아가는 정도랄까.

근데 확실하게 이해하게 된 것이 있다.

아직 나는 NLP 뿐만 아니라, 기본적인 모델들에 대한 이해도가 낮다. 어렴풋이 형상만 떠올릴 뿐, 구체적으로 어떻게 돌아가고 각 모델의 장단점이 무엇인지 알지 못한다. 짧은 논문을 읽으면서도 계속 model들을 검색하고 이해되지 않음을 겪어야 했다. 

어떤 방향으로 나아가야 할까. 고민을 하게 한 논문이었다.