요약

본 연구는 인도네시아어 인스타그램 댓글에서 사이버 괴롭힘을 탐지하기 위해 다양한 머신러닝 및 딥러닝 모델의 성능을 비교 분석했습니다. 650개의 균형 잡힌 데이터셋과 슬랭 정규화, 스템밍 등을 포함한 도메인 특화 전처리 파이프라인을 적용하여 Naive Bayes, Logistic Regression 등 전통적인 ML 모델과 BiLSTM with Attention 같은 딥러닝 모델의 성능을 평가했습니다. 그 결과, 로지스틱 회귀가 머신러닝 중 최고 성능을 보였고, BiLSTM with Attention은 가장 강력한 전반적 성능을 달성하여, 도메인 특화 전처리와 각 접근법의 장점을 입증했습니다.

핵심 포인트

• 사이버 괴롭힘 탐지 모델 구축 시 인도네시아어와 같은 비공식 언어에 맞는 맞춤형 전처리(슬랭 정규화, 스템밍 등)가 필수적이다.
• 전통적인 머신러닝 모델 중에서는 로지스틱 회귀(Logistic Regression)가 가장 우수한 성능을 보였다.
• 딥러닝 모델 중에서는 어텐션 메커니즘이 적용된 BiLSTM (BiLSTM with Attention)이 전반적으로 가장 강력한 문맥적 패턴 포착 능력을 보여주었다.
• 리소스 제약 환경에서도 로지스틱 회귀와 같은 머신러닝 모델이 여전히 경쟁력 있는 대안임을 시사한다.