• The Journal of Information Systems
• /
• v.29 no.3
• /
• pp.103-117
• /
• 2020

Purpose Recently, various issues related to toxic comments on web portal sites and SNS are becoming a major social problem. Toxic comments can threaten Internet users in the type of defamation, personal attacks, and invasion of privacy. Over past few years, academia and industry have been conducting research in various ways to solve this problem. The purpose of this study is to develop the deep learning modeling for toxic comments classification. Design/methodology/approach This study analyzed 7,878 internet news comments through CNN classification modeling based on Highway Network and OOV process. Findings The bias and hate expressions of toxic comments were classified into three classes, and achieved 67.49% of the weighted f1 score. In terms of weighted f1 score performance level, this was superior to approximate 50~60% of the previous studies.

• Toxicological Research
• /
• v.17
• /
• pp.37-39
• /
• 2001

As the preliminary data collection for further chemical risk assessment. toxicants rating works is now rather extensively implemented in China. It consists of two parts, ie., rating of the hazard level of the exposed toxicant and that of the toxicant's profession. In the first part, the rating are based on six criteria, ie., acute toxicity, incidence of acute poisoning, prevalence of chronic poisoning, consequence of chronic poisoning, carcinogenecity and MAC level. Four hazardous levels are to be classified as extreme, high, medium, mild. In the second part. three determinants as weighted coefficients are taken into account, ie., toxicant's hazard level. exposure time and folds of MAC surpassing. Eventually, the index of classification C by which the work with toxic hazard can be classified is able to be calculated and assessed. Several comments were discussed and new recommendations were demonstrated.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.298-303
• /
• 2020

온라인 공간에서 특정인, 혹은 특정 집단의 사람들을 대상으로 한 혐오 표현은 당사자에게 정신적 고통을 미칠 뿐 아니라 이를 보는 이에게도 간접적인 불쾌함을 유발한다. 이에 관한 문제의식은 사회적으로 공감대가 형성된 바 있지만, 아직 한국어에서는 많은 연구들이 혐오 표현 자체의 논의에 집중하고 있으며, 이는 실제로 관찰되는 혐오 표현들의 자동 탐지 및 예방에는 효과적인 정보를 제공하지 못하는 것이 사실이다. 이에 우리는 실제 온라인 댓글들을 탐구하여 혐오, 모욕 및 사회적 편견을 탐지할 수 있는 모델 학습에 필요한 코퍼스 구축 가이드라인을 제작하였다. 구체적인 사례를 동반한 가이드라인과 크라우드소싱을 바탕으로 약 9천 3백 문장 가량의 코퍼스를 구축하였으며, 해당 데이터에 관한 개요와 함께 우리의 접근 방식이 어떤 점에서 기존의 담론과 연관되어 있는지에 대한 분석을 제시한다.

• Environmental and Resource Economics Review
• /
• v.7 no.2
• /
• pp.87-109
• /
• 1998

1989년 미국 환경청(Environmental Protection Agency : EPA)은 유독물질통제법(Toxic Substances Control Act : TSCA)에 의해 석면을 함유하고 있는 일부 제품의 제조, 수업, 가공 및 판매를 세 단계로 나누어 금지하였다. 본 논문은 석면규제를 금지여부결정과 금지우선순위결정으로 구분하여 각 결정에 내재된 EPA의 의사결정요인들을 추론한다. 특히 본 논문은 Magat et al.(1986), Asch and Seneca(1989), Cropper et al.(1992)이 EPA의 의사결정요인들로 제시한 내부신호(internal signals, 비용과 편익의 추정치)와 외부신호(external signals, 외부집단의 참여)를 석면규제에 적용하여 이들의 역할을 고찰한다. 한편 본 논문은 규제에 의해 영향을 받는 이익집단들이 EPA의 의견수렴기간(comment period) 동안에 제출한 의견서(written comments)가 외부신호를 나타낸다고 가정한다. Probit 모형으로 추정된 금지여부결정에 있어 EPA는 TSCA의 규정을 준수하여 비용과 편익을 균형하였고, 기업과 환경보호단체의 참여도 EPA의 의사 결정에 영향을 미쳤다. 즉, 어떤 제품의 금지에 소요되는 비용이 많으면 그 제품이 금지될 확률이 작았고, 그 제품의 금지를 반대하는 기업의 의견서가 많으면 그 제품이 금지될 확률이 작았다. 그러나 외부신호가 포함된 모형에서 내부 신호의 통계적 유의성이 낮아지는 문제가 나타났다. 한편 추정결과는 금지로 인해 감소된 암 한 건에 대한 EPA의 암묵적인(implicit) 평가가 5,000만 달러가 넘는다는 것을 보여 준다. Ordered Probit 모형으로 추정된 금지우선순위결정에 있어, 편익의 단위당 비용이 작을수록, 그리고 그 제품의 금지를 찬성하는 환경보호단체의 의견서가 많을수록 그 제품은 보다 이른 단계에서 금지되었다. 이 경우 외부신호의 계수의 통계적 유의성은 높은 반면 내부신호의 계수의 통계적 유의성은 상대적으로 낮았다.