유튜브 속 COVID-19: 감정, 유해성, 추천 시스템 분석


본 연구는 유튜브 내 COVID-19 관련 정보의 감정, 유해성, 주제를 분석하고, 효과적인 추천 시스템 개발을 통해 관련 정보 접근성을 높이고 유해 콘텐츠를 최소화하는 방안을 제시합니다. 자연어 처리 기술을 활용하여 유튜브 콘텐츠의 특징을 심층적으로 파악하고, 개발된 추천 시스템은 높은 정확도와 안정성을 입증하였습니다.

related iamge

유튜브가 전하는 코로나19 이야기: 데이터 분석으로 밝혀낸 진실

Vanessa Su와 Nirmalya Thakur가 이끄는 연구팀은 2023년 1월부터 2024년 10월까지 유튜브에 게시된 COVID-19 관련 콘텐츠를 심층 분석했습니다. 단순히 숫자를 넘어, 감정 분석, 유해성 검출, 주제 모델링이라는 세 개의 강력한 렌즈를 통해 유튜브 상의 코로나19 담론을 들여다본 것입니다.

먼저, VADER를 이용한 감정 분석 결과, 영상 설명의 49.32%가 긍정적, 36.63%가 중립적, 14.05%가 부정적인 것으로 나타났습니다. 이는 대체로 유익하고 지지적인 정보가 주를 이룬다는 것을 시사합니다. 긍정적인 결과이지만, 여전히 부정적 정보가 존재한다는 점을 간과해서는 안됩니다.

Detoxify를 사용한 유해성 분석 결과는 놀라웠습니다. 단 0.91%의 콘텐츠만이 유해한 것으로 분류되었는데, 이는 유튜브가 코로나19 정보 확산에 있어 유해 콘텐츠 노출을 효과적으로 관리하고 있음을 보여줍니다. 하지만 0.91%라는 숫자는 여전히 경계해야 할 필요성을 상기시켜줍니다. 끊임없는 모니터링과 개선이 필요한 부분입니다.

잠재 디리클레 할당(LDA)을 이용한 주제 모델링은 두 가지 주요 주제를 도출했습니다. 66.74%의 영상이 일반적인 건강 정보와 팬데믹의 영향에 초점을 맞춘 반면, 33.26%는 뉴스와 실시간 업데이트에 집중했습니다. 이는 유튜브가 코로나19 정보 전달에 있어 일반적인 정보 제공과 실시간 뉴스 전달이라는 두 가지 중요한 역할을 수행하고 있음을 보여줍니다.

연구팀은 여기서 그치지 않았습니다. TF-IDF 벡터화와 코사인 유사도를 활용하여, 감정, 유해성, 주제 필터를 적용한 추천 시스템을 개발했습니다. 이 시스템은 69%의 총괄적 적용률을 달성했으며, 월별 적용률은 85%를 꾸준히 상회했습니다. 추천 영상 수에 따른 평가에서도 5개 영상 추천 시 69%, 10개 영상 추천 시 79%의 적용률을 기록하며, 시간 경과에 따른 안정적인 성능과 적응성을 보여주었습니다. 이는 단순한 정보 제공을 넘어, 사용자에게 맞춤형 정보를 제공하는 시스템의 중요성을 강조합니다.

결론적으로, 이 연구는 유튜브 상의 COVID-19 담론을 이해하고, 책임감 있고 관련성 높은 콘텐츠를 홍보하면서 사용자 참여를 지원하는 추천 시스템 프레임워크를 제시합니다. 이는 단순한 분석을 넘어, 더 나은 정보 생태계를 구축하기 위한 중요한 발걸음입니다.


*이 기사는 AI가 생성한 내용으로, 일부 정보가 실제와 다를 수 있습니다. 정확한 확인을 위해 추가적인 검증을 권장드립니다.

Reference

[arxiv] COVID-19 on YouTube: A Data-Driven Analysis of Sentiment, Toxicity, and Content Recommendations

Published:  (Updated: )

Author: Vanessa Su, Nirmalya Thakur

http://arxiv.org/abs/2412.17180v1