Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)

  • 2023.05a
  • /
  • Pages.519-521
  • /
  • 2023
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Knowledge Graph Embedding Methods for Political Stance Prediction: Performance Evaluation

뉴스 기사의 정치적 성향 판단을 위한 지식 그래프 임베딩 기법의 효과 분석

  • Seongeun Ryu (Dept. of Artificial Intelligence, Hanyang University) ;
  • Yunyong Ko (Dept. of Computer Science, University of Illinois at Urbana-Champaign) ;
  • Sang-Wook Kim (Dept. of Computer Science, Hanyang University)
  • 류성은 (한양대학교 인공지능학과) ;
  • 고윤용 (일리노이 대학교 어바나-샴페인 컴퓨터공학과) ;
  • 김상욱 (한양대학교 컴퓨터소프트웨어학과)
  • Published : 2023.05.18
Download PDF
⟨ Previous Next ⟩

Abstract

온라인 뉴스 플랫폼의 발전은 에코 챔버(echo chamber) 효과와 정치적 양극화를 심화시키며, 이를 완화하기 위한 선행 연구로 뉴스 기사의 정치적 성향을 판단하는 연구가 필요하다. 기존 연구는 외부 지식 그래프를 활용하여 뉴스 기사의 텍스트 정보를 더욱 풍부하게 표현한다. 그러나, 외부 지식을 임베딩하는 지식 그래프 임베딩(knowledge graph embedding, KGE) 방법은 다양하며, 각 KGE 방법이 정치적 성향 예측 정확도에 미치는 효과에 대해서 충분히 연구되지 않았다. 본 논문에서는 정치적 성향 예측에 외부 지식의 활용을 최대화하기 위한 다양한 KGE 방법들의 효과를 분석한다. 실험 결과, 외부 지식 그래프 내의 개체들 간 복잡한 관계를 간단하고 정확하게 표현 가능한 ModE 방법을 활용하는 것이 정치적 성향 예측에 가장 효과적이라는 것을 확인하였다.

Keywords

Acknowledgement

본 논문은 과학기술정보통신부의 재원으로 정보통신기획평가원(IITP)의 지원을 받아 수행된 연구임. (과제번호: RS - 2022-00155586, 2020-0-01373, 2022-0-00352).