유도·주짓수 댓글 37만 개, AI는 무엇에 화가 났는지 알아낼까?

무슨 연구인가

스포츠 커뮤니티에는 매일 수많은 댓글이 쌓입니다. 이 연구는 유도와 주짓수 온라인 댓글 속에 '어떤 불만과 신뢰 문제가 숨어 있는지'를 사람이 일일이 읽지 않고 AI로 찾아낸 이야기예요. 거대한 민원함을 자동으로 분류해주는 기계를 만든 셈이죠.

🔬 어떻게 분석했나

① 먼저 네이버 뉴스와 유튜브에서 유도·주짓수 관련 한국어 댓글 37만 7,700건을 모아 깨끗이 정리했어요(2010~2025년). 개인정보는 걸러냈고요.
② n-gram 분석으로 자주 붙어 다니는 단어 묶음을 살폈어요 — '자주 함께 나오는 두세 단어'를 세는 방법이라, 사람들이 어떤 표현을 습관처럼 쓰는지 눈에 보이게 됩니다.
③ LDA 토픽모델링으로 숨은 주제를 뽑았어요 — LDA는 방대한 글 더미에서 같이 등장하는 단어들을 묶어 '이 뭉치는 규칙 얘기, 저 뭉치는 부상 얘기' 하는 식으로 주제를 자동으로 찾아주는 통계 기법입니다.
④ CONCOR 네트워크 분석으로 주제들이 어떻게 연결되는지 관계 지도를 그렸어요 — 어떤 주제가 다른 주제와 자주 얽히는지를 관계망으로 보여줍니다.
⑤ 마지막으로 KLUE-BERT라는 한국어 특화 AI로 각 댓글이 긍정·중립·부정 중 어디에 속하는지 판별했어요 — BERT는 문장의 앞뒤 맥락을 함께 읽어 뜻을 이해하는 딥러닝 모델이고, KLUE-BERT는 그걸 한국어로 훈련한 버전입니다.

📊 무엇을 찾았나

KLUE-BERT의 감성 판별 정확도(Macro-F1)는 0.838로, 기존 방식인 Text-CNN(0.791)보다 6%가량 높았어요. 그리고 '규칙 투명성·지도자 윤리' 같은 거버넌스 이슈에 대한 부정 감정이 가장 두드러졌습니다 — 사람들이 가장 많이 말한 주제와, 가장 화가 난 주제가 달랐던 거죠.

💡 내 연구에 가져갈 것

한국어 댓글 감성분석을 한다면 범용 모델보다 KLUE-BERT처럼 한국어로 훈련된 모델부터 써보세요.

📄 논문 정보

AI-Enabled Digital Trust, Ethics, and Safety-Risk Signal Analysis in Contact-Based Sport Communities: ESG-Oriented Text Mining and Sentiment Classification of Judo and Brazilian Jiu-Jitsu Platform Discourse
Kyong Park, Jong Choi, Hyung Na
Electronics · 2026-07-21
원문 보기 ↗