K-TONE: 한국어 경제 뉴스 논조 분석을 위한 데이터세트 구축

초록

'객관성'과 '중립성'을 강조하는 저널리즘의 특성 때문에 기존의 감성분석 방법론으로는 뉴스 분석, 특히 경제 뉴스 분석이 어려울 수 있다. 경제 뉴스의 논조는 기존의 감성분석 모델의 클래스인 긍정/중립/부정과 직접적으로 대응하지 않기 때문이다. 본 연구에서는 경제 뉴스의 논조를 매도/중립/매수 등 3개 클래스로 제시한 한국어 경제 뉴스 논조분석 데이터세트(Korean Tone analysis dataset for Economic news, K-TONE)를 제안한다(http://t.ly/v64XQ). 한국언론진흥재단 뉴스 빅데이터 분석 시스템 <빅카인즈>에서 2011년부터 2020년까지 전국일간지와 경제지 16곳에서 수집한 인용문을 원천데이터로 활용해 인용문과 메타데이터, 라벨링 정보를 포함한 한국어 경제 뉴스 논조분석 학습데이터 K-TONE을 구축했다. 경제 뉴스의 논조는 매도/중립/매수 등 3개 클래스로 분류했다. 구축 규모는 클래스별로 32,779건씩 총 98,337건에 달한다. 이어 구축한 학습데이터의 유효성을 검증하기 위해 KLUE-RoBERTa 기본 모델을 기준으로 K-TONE 기반 미세조정 모델과 NSMC, FPB-k, TFNS-k 기반 미세조정한 모델을 논조분석 과업에 대해 비교했다. K-TONE 기반 미세조정 모델의 F1 점수 기준 성능은 0.871로 감성분석 미세조정 모델을 논조분석에 적용한 경우 대비 최소 20% 이상의 성능 개선을 달성해 그 유효성을 확인할 수 있었다. 본 연구는 경제 뉴스에 대한 논조분석 방법을 최초 제안하고, 이를 위한 한국어 경제 뉴스 논조분석 학습데이터를 실제로 구축함으로써 추후 논조분석을 위한 인공지능 모델 개발의 발판을 마련했다는 점에서 의의가 있다.

키워드