신경망 복잡도가 건강 오정보 탐지 성능을 향상시키는가? 누출 제어 교차 코퍼스 벤치마크

요약

본 연구는 건강 오정보 탐지 성능 향상과 신경망 복잡도 간의 관계를 분석했습니다. 다섯 가지 CNN/LSTM 아키텍처와 소프트 투표 기반 앙상블을 사용하여 COVID19-FNIR 및 CONSTRAINT 코퍼스에 대한 통제된 교차 코퍼스 벤치마크를 제공합니다. 결과적으로, 모델 복잡도가 안정적인 성능 우위를 보이지 않았으며, 벤치마크 구축 자체가 아키텍처 선택에 큰 영향을 미친다는 점을 시사했습니다.

핵심 포인트

• 모델 복잡도 증가가 건강 오정보 탐지 성능 향상을 보장하지 않음.
• 앙상블 모델이 높은 성능(F1: 0.9272~0.9963)을 달성했으나, 단순 선형 모델도 경쟁력이 높았음.
• 벤치마크 구축 및 누출 제어 방법론의 중요성을 강조함.
• 재현 가능하고 통제된 기반을 제공하여 향후 연구에 기여할 것으로 기대됨.