BERT를 이용한 불안 분류기 기반의 사회적 불안 시각화 시스템 및 실제 사례 해석

Abstract

본 논문은 개개인의 정신 건강에 좋지 않은 영향을 미치고 사회적으로도 심각한 문제를 야기할 수 있는 사회적 불안이라는 현상을 소셜 네트워크에서 얻어진 빅 데이터로부터 분석하고 시각화하여 그 분포를 확인할 수 있는 시스템을 제안한다. 사회적 불안에 대한 시공간적 분포를 확인할 수 있는 시스템은 사회적 불안에 대한 사회과학적인 연구에 도움이 되는 도구가 될 수 있으며, 나아가 사회적 취약 계층에 대한 연구나 정책 개발에 일조할 수 있다. 본 논문에서는 세계적으로 널리 쓰이는 소셜 네트워크 서비스인 트위터로부터 얻어진 메시지 빅 데이터를 사회적 불안의 관점에서 분석하기 위하여, 딥 러닝 언어 모델인 BERT 기반의 불안 분류기와 함께 불안 분류기로부터 얻어진 분류 결과를 바탕으로 메타데이터를 추출하여 그것들을 대한민국의 행정구역(광역시도 및 시군구)과 주 단위별로 시각화하여 보여주는 사회적 불안 시각화 시스템을 제시한다. 그리고 본 논문에서 제안하는 사회적 불안 시각화 시스템을 통해 2019년의 일본 상품 불매운동, 코로나바이러스감염증-19 등의 대한민국 사회에서 일어났던 사건을 분석하여 해당 시스템의 유용성에 대해 논의한다. BERT 기반의 불안 분류기의 성능을 가늠하기 위해 BERT 이외의 다른 딥 러닝 기반 언어 모델에 기초한 불안 분류기와의 분류 성능을 비교하였으며, 그 결과 Bi-RNN, Multi-Channel CNN 등의 모델 기반 불안 분류기 대비 본 연구에서 제안하는 BERT 기반의 불안 분류기가 정확도와 F1-score 등의 지표에서 앞선 성능을 보이는 것으로 확인되었다. 또한 실제 사례를 들어 사회적 불안 시각화 시스템의 유용성을 검증하였고 사회과학 등 다양한 분야에서의 사회적 불안 연구에 도움이 될 만한 정보를 제공할 수 있음을 보였다; This paper proposes a system that can analyze social anxiety from big data and visualize its distribution. Social anxiety can negatively affect individual mental health and cause serious social problems as well. A system that can monitor the temporal and spatial distribution of social anxiety can help social science research into social anxiety. It could further contribute to the research or policy development of socially unprotected people. In this paper, with the perspective of social anxiety, we analyzed big data obtained from Twitter, a social network service which widely used worldwide. We propose a BERT-based social anxiety classifier and social anxiety visualization system which visualize the metadata like anxiety index and frequently used words which extracted from classification result by our social anxiety classifier. We also analyzed the events that occurred in Korea through our social anxiety visualization system proposed in this paper to discuss the usefulness of the system, such as the Japanese boycott in 2019 and Coronavirus Disease 2019. To measure the performance of BERT-based anxiety classifiers, we trained the other anxiety classifiers with language models based on the other deep learning algorithm such as Bi-RNN, Multi-channel CNN, and we verified our BERT-based anxiety classifier performs better according to higher accuracy and F1-score. Also, we proved the functions and capabilities of our system to provide information that would help social-science works for social anxiety studies by analyzing real-world cases by our system.