COVID-19 Infodemic. Understanding content features in detecting fake news using

요약

본 연구는 COVID-19 팬데믹 기간에 수집된 데이터를 활용하여, 단어 bigrams와 품사 분포 같은 콘텐츠 및 언어적 특징을 사용하여 가짜 뉴스 탐지 성능을 개선하는 방법을 제시합니다. Decision Tree, K-Nearest Neighbor 등 다양한 전통적인 머신러닝 모델들을 적용한 결과, Random Forest가 가장 우수한 성능을 보였으며, 이는 텍스트 및 언어적 특징이 여전히 효과적인 가짜 뉴스 탐지 도구임을 입증했습니다.

핵심 포인트

• 가짜 뉴스 탐지에 단어 bigrams와 품사 분포 같은 콘텐츠/언어적 특징을 사용하는 것이 유효함을 보여줍니다.
• 다양한 전통적 머신러닝 모델(Random Forest, SVM 등)을 비교했을 때, Random Forest가 가장 높은 성능을 기록했습니다.
• 텍스트 및 언어적 특징은 개별적으로 사용될 때는 가짜 뉴스 탐지를 개선하지만, 이를 단일 모델로 결합할 경우 추가적인 유의미한 개선 효과는 미미합니다.