[논문 리뷰] A Survey of COVID-19 Misinformation: Datasets, Detection Techniques and Open Issues

Atta Ullah, Anupam Das외 3명|arXiv (Cornell University)|2021. 10. 02.

Misinformation and Its Impacts참고 문헌 124인용 수 7

한 줄 요약

이 종합 검토는 소셜 미디어 및 온라인 플랫폼에서 코로나19 위기 가짜정보를 탐지하기 위한 기계학습 및 딥러닝 기법에 대한 포괄적인 분석을 제공한다. 데이터셋, 전처리, 특징 추출 및 분류 방법을 평가하며, 다중모odal 통합 부족, 지도학습에 대한 의존성, 비지도학습 접근의 제한성 등의 주요 과제를 밝혀내며, 다중모달 탐지, 비지도학습, 하이브리드 모델 분야의 향후 연구 방향을 제안한다.

ABSTRACT

Misinformation during pandemic situations like COVID-19 is growing rapidly on social media and other platforms. This expeditious growth of misinformation creates adverse effects on the people living in the society. Researchers are trying their best to mitigate this problem using different approaches based on Machine Learning (ML), Deep Learning (DL), and Natural Language Processing (NLP). This survey aims to study different approaches of misinformation detection on COVID-19 in recent literature to help the researchers in this domain. More specifically, we review the different methods used for COVID-19 misinformation detection in their research with an overview of data pre-processing and feature extraction methods to get a better understanding of their work. We also summarize the existing datasets which can be used for further research. Finally, we discuss the limitations of the existing methods and highlight some potential future research directions along this dimension to combat the spreading of misinformation during a pandemic.

연구 동기 및 목표

• 소셜 미디어에서 코로나19 가짜정보를 탐지하기 위한 기계학습 및 딥러닝 접근법을 체계적으로 검토하기 위해.
• 최신 연구에서 사용된 데이터셋, 전처리 기법, 특징 추출 방법 및 분류 모델을 분석하기 위해.
• 현재 탐지 시스템의 한계, 특히 지도학습에 대한 과도한 의존성과 다중모달 통합 부족을 특정하기 위해.
• 가짜정보 탐지에서 데이터 부족, 주석 처리 과제, 모델의 해석 가능성 등의 열린 문제점을 부각하기 위해.
• 비지도학습, 다중모달 시스템, 하이브리드 앙상블 모델을 포함한 향후 연구 방향을 제안하기 위해.

제안 방법

• 기계학습 및 딥러닝 기법을 활용한 코로나19 가짜정보 탐지에 관한 동료심사 논문을 대상으로 체계적인 문헌 검토를 수행하였다.
• 사용된 데이터셋, 텍스트 전처리 단계(예: 토큰화, 불용어 제거) 및 특징 추출 방법(예: TF-IDF, 워드 임베딩)에 기반해 선택된 연구를 분류하고 분석하였다.
• 기존 기계학습(SVM, 랜덤 포레스트) 및 딥러닝(LSTM, BERT, CNN) 아키텍처를 포함한 분류 모델을 평가하였다.
• 문헌에서 보고된 표준 지표인 정확도, F1 점수, 정밀도, 재현율을 사용해 모델 성능을 평가하였다.
• 현재 연구의 격차를 특정하였으며, 특히 텍스트, 이미지, 영상 등 다중모달(텍스트, 이미지, 영상) 통합 탐지 시스템의 부재와 비지도학습 또는 준지도학습의 제한적 사용을 중심으로 하였다.
• 기계학습과 딥러닝을 융합한 하이브리드 모델 및 비지도학습 기법을 통해 고비용 전문가 주석 데이터셋에 대한 의존도를 줄일 수 있는 향후 방법론적 방향을 제안하였다.

실험 결과

연구 질문

• RQ1 코로나19 가짜정보 탐지 연구에서 가장 흔히 사용되는 데이터셋, 전처리 기법, 특징 추출 방법은 무엇인가?
• RQ2 기존 기계학습 모델과 딥러닝 모델은 코로나19 관련 가짜정보 분류 성능에서 어떻게 비교되는가?
• RQ3 팬데믹 기간 동안 가짜정보 탐지에 있어 현재의 지도학습 기반 접근법의 주요 한계는 무엇인가?
• RQ4 다중모달(텍스트, 이미지, 영상) 통합을 통해 탐지 성능을 향상시킬 수 있는 잠재적 기회는 무엇인가?
• RQ5 비지도학습 또는 준지도학습 기법은 가짜정보 탐지에서 대규모 수작업 주석 데이터셋에 대한 의존도를 어떻게 줄일 수 있는가?

주요 결과

• 트랜스포머 기반 아키텍처인 BERT와 같은 딥러닝 모델은 기존 기계학습 방법에 비해 가짜정보 분류 성능에서 뛰어난 성능을 보였다.
• 강력한 성능에도 불구하고 딥러닝 모델은 높은 계산 비용을 유발하고, 훈련을 위해 대규모 주석 데이터셋이 필요로 한다.
• SVM 및 랜덤 포레스트와 같은 기존 기계학습 방법은 계산 자원이 제한된 환경에서 여전히 효과적이고 효율적이다.
• 텍스트, 이미지, 영상을 통합하는 다중모달 가짜정보 탐지 시스템의 부족은 심각한 문제이며, 교차모달 일致성 검증을 통한 정확도 향상 잠재력이 있다.
• 현재 탐지 시스템은 대부분 지도학습 기반으로 운영되어, 데이터 주석 처리의 시간 소모성과 노동 집약적 과정으로 인해 병목 현상이 발생한다.
• 향후 연구는 특히 패닉 상황과 같은 빠르게 변화하는 위기 상황에서 고비용 전문가 주석 데이터셋에 대한 의존도를 줄이기 위해 비지도학습 및 준지도학습을 우선시해야 한다.