[학회 기고문] 순환 신경망과 합성곱 신경망을 이용한 뉴스 기사 편향도 분석

출처: 한국정보통신학회 논문지 Vol. 24, No. 8

글: 인천과학예술영재학교 오승빈·김현민·김승재

Ⅰ. 서론
뉴스는 가장 대중적이고 파급력이 강력한 매스미디어이며, 여론 형성에 큰 영향을 주기 때문에 기사는 중립적인 입장에서 작성해야 한다. 하지만 최근 몇 년 동안 뉴스 기사의 조회 수와 수익을 늘리고자 왜곡된 사실을 전하거나 자극적인 내용으로 구성된 경우가 많아지고 있다. 수많은 뉴스 중 제목만 보고 클릭하게 되는 포털의 특성상, 이런 현상은 편향된 정보만 소비하게 되는 '필터 버블'을 일으킨다. 포털 이용자의 필터 버블은 한국 언론이 여론을 형성하는 역할로서 권력자와 맺어진 유대관계에 매우 종속적인 성격을 보인다는 성질과 맞물려 더욱 심각해진다. 과거에도 '어용언론'과 같이 언론 프레임을 이용한 선동 의혹이나 정치적 중립성의 위배와 같은 수많은 논란의 불씨가 됐다. 포털 뉴스 공급자들도 이러한 정치적 논란에서 벗어날 수 없었다. 뉴스 배열에서 헤드라인에 배치된 뉴스를 조작하거나, 추천 알고리즘을 통한 정보 편식 유도로 언론 조작이 가능하기 때문이다. 하지만 이런 문제는 비판적 읽기 과정을 통해 방지할 수 있으며, 기사의 편향성 인지는 기사를 비판적으로 바라볼 수 있게 한다.

뉴스 기사의 편향성 분석은 크게 코드북과 같이 미리 정해져 있는 규칙에 따라 분석하는 ‘내용 분석’ 기법과 기사에서 무슨 정보가 어떻게 제공되는지를 분석하는 ‘프레임 분석’ 기법으로 나뉜다. 해외의 경우, 함보르그가 제시한 자동화 방법 중 가장 유력한 방법 중 하나인 취재원 선택의 분석을 주로 이용하나 이 방법은 대부분의 취재원이 익명으로 처리되는 우리나라 언론의 특성상 제대로 된 효과를 발휘하기 어렵다고 판단됐다. 이외에도 감정사전을 이용하거나 단어 선택 횟수를 분석해 제작한 방법도 존재하지만, 이런 방법은 기술적 한계로 다양한 기사의 편향성을 자동으로 분석하는데 어려움이 존재한다. 이런 이유로 대한민국의 언론 상황에 맞는 언론의 편향도 자동 측정 기법은 현재 존재하지 않는다는 것을 알 수 있다. ‘인터넷 뉴스 소비 습관의 시각적 확인을 통한 편향 완화 연구’(황구현, 2017)를 비롯한 기존의 연구에서 편향을 측정하기 위해서는 언론사나 뉴스의 주제를 기반으로 한 기초적 편향만 분석할 수 밖에 없었다.

하지만 본 논문에서 제안하는 기법은 여러 정치적 주제에 대한 편향성 측정에 대한 자동화를 가능하게 한다. 본 기법을 활용하기 위해 이 연구에서는 국회 회의록에서 키워드를 추출하고, 이념지도에 기반해 국회의원의 발언에 편향도를 부여하고 키워드별 편향도를 산출했다. 이후 기사에서 키워드를 추출해 산출한 편향도를 기반으로 키워드 분석을 시행했다. 본 기법은 이렇게 얻은 레이블드 데이터(Labeled Data)를 통해 인공신경망을 훈련시켜 대부분의 기사에서 정치적 보수·진보 편향성을 산출한다.

Ⅱ. 정치적 편향성의 분석

2.1. 데이터 수집 

[그림 1]은 뉴스 기사와 국회회의록의 수집과 가공 과정을 순서도로 나타낸 것이다.

키워드 추출을 위해 이 연구에서는 국회 누리집에서 이용 가능한 20대 국회 회의록을 다운로드 받은 뒤, 이 중 상임위원회, 특별위원회, 본회의록을 아파치 티카(Apache Tika)를 이용해 텍스트 형태로 추출했다. 이후 정규표현식을 이용해 회의 개의 이후부터 산회 선포까지의 회의 기록만을 분리했다. 한 위원회 회의가 여러 개의 회의로 나눠진 경우에는 회의를 중지하는 부분까지의 기록만을 분리했다.

국회의원의 편향도는 조선일보가 서울대 한규섭 교수(폴랩)에 의뢰해 발표한 ‘20대 국회의원 이념지도’를 기반으로 계산했다. 본 편향도는 W-NOMINATE 통계기법을 이용해 17대 국회부터 20대 국회까지 총 9478건에 대한 의원들의 표결 행태를 분석해 제작됐다.

분석을 위해 한국신문협회 중앙지 회원사 중 한국언론진흥재단(BigKinds)에서 제공하는 기사 URL 정보가 정확하지 않아 수집할 수 없었던 매일경제, 머니투데이, 한국일보를 제외하고 국제신문과 매일신문을 추가한 24개 신문사를 표본 프레임으로 사용했다. 표본추출기간은 최근 정치 활동을 분석할 수 있는 기간인 2018년 1월 1일∼2019년 11월 1일까지 679일로 해 기사를 수집했다. 분석 자료의 수집은 다음과 같은 3단계로 나눠진다.

한국언론진흥재단에서 키워드 기반 검색자료에서 원문기사의 링크, 언론사, 게재 날짜를 확보한다. 이후 리퀘스트 라이브러리(Requests Library)를 바탕으로 데이터 수집기(Data scraper)를 직접 제작해 데이터를 수집했다. 이를 통하여 HTML 형식의 온라인 개제물을 수집했다. 마지막으로 Modest 기반의 Selectolax라는 CSS selector를 이용하여 HTML 파일에서 기사를 원문에 가깝게 추출해 결과를 파이썬 피클(Python pickle) 형태로 저장했다. 수집된 데이터 중 구분자(ID), 언론사명(Press), 기사제목(Title), 본문기사내용(Content), 게재일시(Date) 및 기자명(Journalist)만 파이썬의 피클 형식으로 저장했다. 본문기사내용 이외의 정보는 한국언론진흥재단에서 제공된 정보를 사용했다.

2.2. 키워드 편향도 측정

뉴스에서 편향도는 어떤 사실을 바라보는 관점의 차이이며 이는 논조의 차이를 통해 드러난다. 그리하여 빈도수의 관점에서 정파적으로 차이가 나는 표현을 식별하고 통계적인 방법을 통해 정치성향을 할당한다. 이에 따라 각 표현이 정치 성향 점수를 갖게 되며 이를 뉴스가 얼마나 사용하느냐에 따라 정치성향을 추정할 수 있게 된다. 이러한 연구에 기반해 본 연구에서는 국회회의록에서 추출한 키워드에 발언자(국회의원)의 편향성에 기반해 편향도를 부여한 후, 키워드를 뉴스에서 찾아 기사 및 문장별로 편향도를 계산해 이를 머신러닝을 위한 레이블드 데이터로 사용하고자 했다. 본 연구에서의 정치적 성향은 ‘20대 국회의원 이념지도’에 기반한다. 이념지도는 의원들의 편향도를 정치 성향을 언급할 때 주로 사용되는 진보, 보수의 정도에 따라 -50~50 사이의 숫자로 나타내고 있으며, 본 논문에서는 진보를 좌편향, 보수를 우편향으로 표현한다. 

수식 (1)의 p는 키워드, c는 국회의원을 가리키는 첨자다. fpc는 국회의원 c가 키워드 p를 사용한 횟수이며, 이에 따라 f ̃pc는 국회의원 c가 사용한 키워드 전체 사용 횟수 중에서 키워드 p가 차지하는 비율이다. αp와 βp는 선형회귀를 통해 키워드별로 추정되는 파라미터이고 의원의 소속과 키워드 사용비율의 관계를 나타낸다. 키워드 편향성의 측정방식을 참고한 논문 ‘D. W. Choi, “Internet Portal Competition and Economic Incentives to Tailor News Slant,” The Korean Journal of Industrial Organization, vol. 25, no. 2, pp. 1-40, Jun. 2017’에서는 yc를 국회의원의 여야에 따른 더미변수(여당=1, 야당=0)를 사용했지만 본 연구에서 국회의원의 이념지도를 통해 국회의원의 편향성 데이터를 갖췄으므로 더미변수 대신 의원들의 편향도를 0~1사이의 실수로 매핑한 값을 사용한다. 가장 좌편향적인 의원이 0의 값을, 가장 우편향적인 의원이 1의 값을 가진다. 키워드의 편향도를 나타내는 값은 βp로, 이 값이 양수이면 키워드 p가 우편향, 0이면 중도, 음수이면 좌편향이며 그 절대값이 클수록 더욱 편향적임을 나타낸다.

그리하여 2018년 1월부터 2019년 10월까지의 500개의 국회본회의, 상임위원회, 특별위원회의 회의록으로부터 형태소 분석기 Khaiii(Kakao Hangul Analyzer III)를 이용해 키워드를 추출한 결과 총 712개가 추출됐다. 키워드 추출 기준은 논문 ‘D. W. Choi, “Internet Portal Competition and Economic Incentives to Tailor News Slant,” The Korean Journal of Industrial Organization, vol. 25, no. 2, pp. 1-40, Jun. 2017’의 부록을 참조했다. 이 중 선형회귀의 정확도를 위해 5회 이상 언급된 144개의 키워드만 분석에 사용했다. 그리하여 [표 1]에 144개의 키워드 중 10회 이상 언급된 키워드 일부의 언급된 횟수와 편향도를 나열했다.

2.3. 뉴스 편향도 측정

수식 (1)을 통해 구한 키워드 별 파라미터를 사용해 뉴스와 문장의 편향도를 추정한다. 즉, y ̃n이 뉴스 혹은 문장 n의 편향도라고 할 때, 다음의 식을 만족하는 즉, y ̃n을 찾고자 한다.

y ̃n은 뉴스 혹은 문장 n의 최종적인 편향도로, 수식 (2)와 같이 뉴스 혹은 문장에 포함된 모든 키워드 p에 대해 식(1)의 편향도 측정의 선형회귀 식과 같은 꼴을 가지는 〖(f ̃pn-(αp ) ̂-(βp ) ̂yn)〗^2의 합이 최소가 되도록 하는 의 값이다. 이러한 y ̃n은 수식(3)에서 문장 혹은 뉴스 내의 모든 키워드 p의 사용 비율 구한 (f(pn ) ) ̃과 수식 (1)을 통해 구한 αp, βp를 통해 도출된다. 수식(1)의 βp와 같이 y ̃n의 값이 양수이면 뉴스 혹은 문장 n이 우편향, 0이면 중도, 음수이면 좌편향이며, 그 절대값이 클수록 더욱 편향적임을 나타낸다. 위의 수식들을 이용해 한국언론진흥재단에서 추출한 뉴스와 뉴스에 포함된 각각의 문장의 편향도를 계산해 레이블드 데이터를 제작해 딥러닝 모델 학습에 사용한다.

Ⅲ. 딥러닝 모델의 구성

3.1. 머신러닝 모델

기사별, 문장별로 계산한 레이블드 데이터를 활용해 뉴스 기사의 편향성을 객관적으로 측정할 수 있는 머신러닝 모델을 제작했다. 기사는 제목과 문장으로 이루어진 여러 문단으로 구성돼 있다. 따라서 본 연구에서는 [그림 2]와 같이 순환 신경망과 합성곱 신경망을 융합한 모델을 사용했다. 순환 신경망은 각각의 유닛이 순환적으로 연결된 특징을 가지고 있어 시변적 동적 특징을 모델링할 수 있다. 따라서 케라스의 단어 수준 원-핫 인코딩을 이용해 기사의 문장을 전처리하고, 순환 신경망을 이용해 문장별 편향도 값을 학습한다. 이후 시각적 이미지를 분석하는 데에 사용되는 합성곱 신경망을 이용해 신문의 제목과 각 문장의 편향도를 시각적으로 배치한 후 뉴스 기사의 편향도를 학습한다.

문장의 편향도를 분석하는 모델에는 양방향 LSTM 셀(Bidirectional LSTM Cell)을 100개의 셀로 1층 사용한 뒤 완전 연결 계층(Fully Connected Layer)을 통해 1개의 값을 도출했다. 기사의 편향도를 분석하는 모델에는 필터 크기(Filter Size)가 2, 커넬 크기(Kernel Size)가 22인 2차원 합성곱층과 풀링 크기(Pooling Size)가 22인 2차원 풀링층을 2번 적용한 뒤 전결합층을 통해 1개의 편향도 전체 값을 도출했다. 과적합을 방지하기 위해 모든 노드에 20%의 드롭아웃(Dropout)을 적용하였다. 손실 함수는 제곱평균 값을 사용했으며, 최적화 알고리즘은 러닝 레이트(learning rate)를 0.0001로 조정한 아담 최적화(Adam Optimizer)를 사용했다. 또한 전체 학습 데이터의 20%를 검증 데이터로 분리했다.

Ⅳ. 결과와 분석

4.1. 레이블드 데이터에서의 편향도 분포 

뉴스 기사에서 키워드를 찾아 뉴스 기사와 문장의 편향도를 분석한 후 편향도들의 분포에 관련된 통계 자료를 제작했다.

[표 2]는 뉴스 기사 편향도 분포에 관한 [표 3]은 문장 편향도 분포에 관한 표다. 편향도가 0인 문장이 기사에서는 60.1%, 문장에서는 96.039%로 큰 비율을 차지했다. 키워드가 144개 정도밖에 되지 않아 키워드를 포함하지 않는 기사와 문장이 많아 중도인 기사와 문장이 많은 것으로 추정된다. 편향도 평균값의 경우 문장과 기사에서 각각 –7.216, -4.720으로 모두 약간의 좌편향적인 수치가 도출됐다. 표준편차는 각각 81.071, 31.603로 크지 않다. 대부분 0과 가까이 분포해있기 때문에 크지 않은 것으로 추정된다. 또한 매트플롯립(Matplotlib)을 통해 기사와 문장의 편향도의 분포를 시각화해 [그림 3], [그림 4]와 같은 그래프를 얻었다. 

[그림 3]은 뉴스 기사 편향도 분포에 관한 그림, [그림 4]는 문장 편향도 분포에 관한 그림이다. 뉴스 기사와 문장에서 편향도가 수천의 값을 가지는 경우가 있었으나, 이는 기사 혹은 문장 내부에 키워드가 너무 적게 포함돼 있어 발생하는 것으로 추정된다. [표 2], [표 3]에서 볼 수 있듯이 기사에서 1.3%, 문장에서 0.18%을 제외하면 모두 -300에서 300 사이의 편향도를 가진다. 그리하여 -300~300을 벗어나는 값은 각각 -300과 300으로 처리했다. 마지막으로 머신러닝에 데이터를 전달하기 전에 편향도 값을 -300~300에서 –2~2로 매핑했다.

4.2. 머신러닝 학습 결과

최종적으로 위에서 제작된 레이블드 데이터를 통해 머신러닝을 수행한 결과, 손실 함수에 따라 매우 다른 결과를 얻었다. 문장 단위 좌/우편향 여부 정확도 시험(CNN Binary Accuracy Test)은 95.6%, 기사 단위 좌편향/우편향 여부 정확도 시험(RNN Binary Accuracy Test)는 46.0%를 기록하였다. 편향도 오차의 RMS값은 각각 0.054, 0.4651이다. 레이블드 데이터(Labeled Data)가 처음부터 0에 집중돼 있어서 좌/우 정확도는 낮았다. 그러나 RMS값 자체는 크지 않은 것으로 보아 상당히 정확히 예측했음을 알 수 있다.

Ⅴ. 결론과 제언
본 연구는 머신러닝을 통해 객관적으로 뉴스의 편향도를 분석하는 것을 목표로 삼았다. 이를 위해 웹에서 뉴스와 국회 회의록을 수집해 기본 데이터를 구성했다. 이후 국회 회의록에서 추출한 키워드에 편향도를 부여해 이를 기반으로 각 뉴스와 문장마다 편향도를 측정했고, 이를 머신러닝을 위한 레이블드 데이터로 사용했다. 최종적으로 위의 데이터를 활용해 RNN와 CNN을 융합한 머신러닝 모델을 통해 데이터를 학습했다. 

기존에는 기사의 편향성을 분석하기 위해서 코더를 이용해 한 주제에 대해 분석한 뒤 교차검증을 진행해야 했다. 그러나 본 방식은 국회회의록에서 키워드를 추출하고, 뉴스와 문장을 분석해 레이블드 데이터를 지속적으로 제작할 수 있다. 또한 본 측정 방식을 참고한 연구와의 차별점으로, 키워딩 과정에서 이념지도를 추가적으로 사용해 측정의 정확성을 높였다. 이렇게 추가된 데이터를 학습해 계속 변화하는 사회적 이슈에 대응할 수 있으므로 본래 의도인 비판적 기사 소비 유도에 적합할 것으로 보인다. 이와 더불어 발언자 편향도의 기준 자료와 토론, 연설 등의 기초 자료를 구성할 수 있다면 정치적 편향성 외에도 탈원전·친원전과 같은 다른 분야에서도 적용할 수 있을 것으로 기대한다.

본 연구의 한계점은 다음과 같다. 첫째, 레이블드 데이터 제작 과정에서의 편향도 분석 방식을 보완할 필요가 있다. 데이터 레이블링(Data Labeling)에서 키워드를 추출할 때 복합명사와 감성어구 키워드만 추출하므로 편향성이 담겨있을 만한 서술어나 표현은 놓칠 수 있다. 또한, 발언자의 편향성에만 기반한 키워드 편향도 분석법도 더욱 개선돼야 할 필요가 있다. 예를 들어, ‘패스트트랙’의 경우 좌편향 키워드로 나타났지만 실제로는 우편향 뉴스에서도 공격의 목적으로도 사용될 수 있는 단어이다. 둘째, 기사 원문을 최근의 알고리즘으로 임베딩할 필요가 있다. 머신러닝 모델 부분에서는 케라스의 기본 단어 임베딩 모델을 이용해 전처리를 시행했다. 이는 단어 수준의 원-핫 인코딩이므로 단어 사이의 유사도를 표현하지 못하는 한계가 있다. 따라서 문장 기반의 BERT나 ELMo 모델을 사용한다면 더욱 성능을 개선할 수 있을 것이다. 

 [참고 문헌] 
[1] S. J. Kim, and Y. G. Jeong, “A Study on the Characteristics of Political Bias of Korean Press : Focused on the Analysis of 19th Presidential Election Coverage,” Korean Journal of Communication & Information, vol. 88, pp.110-145, 2018.
[2] T. Hamborg, K. Donnay, and B. Gipp, Automated identification of media bias in news articles: an interdisciplinary literature review. International Journal on Digital Libraries, vol. 20, no. 4, 391-415. 2019.
[3] Alexandra Balahur, Ralf Steinberger, Mijail Kabadjov, Vanni Zavarella, Erik van der Goot, Matina Halkia, Bruno Pouliquen, Jenya Belyaeva, “Sentiment analysis in the news,” in Proceedings of the 7th International Conference on Language Resources and Evaluation, Valletta, pp. 2216-2220, 2010
[4] Chosun News. [20th National Assembly Ideology Map] Comparing the 17~20th National Assembly Ideology [Internet]. Available: https://news.chosun.com/site/data/ html_dir/2018/01/08/20180108010 43.html.
[5] M. Gentzkow, and J. M. Shapiro, “What drives media slant? Evidence from U.S. daily newspapers,” Econometrica, vol. 78, no.1, pp. 35-71, 2010.
[6] D. W. Choi, “Internet Portal Competition and Economic Incentives to Tailor News Slant,” The Korean Journal of Industrial Organization, vol. 25, no. 2, pp. 1-40, Jun. 2017.
[7] Tensorflow. tf.keras.preprocessing.text.Tokenizer[Internet]. Available:https://www.tensorflow.org/api_docs/python/tf/keras/preprocessing/text/Tokenizer.
[8] S. Y. Hong, S. H. Na, J. H. Shin, and Y. K. Kim, “BERT and ELMo for contextualized word embeddings in Korean Dependency Parsing,” The Korean Institute of Information Scientists and Engineers, 2019.6, 491-493(3 pages)

■ 본 기사는 ‘순환 신경망과 합성곱 신경망을 이용한 뉴스 기사 편향도 분석’의 요약본이므로, 보다 자세한 내용을 확인하고 싶다면 ‘한국정보통신학회’에 문의해 주세요.