1. 기획배경(문제정의)

뉴노멀 시대를 맞이하면서, 라이브 커머스 시장은 2023년까지 약 10조 시장으로 성장하는 추세를 보이고 있습니다.[그림1] 그러나 라이브 커머스는 기존 홈쇼핑 방송과 달리 시청자와 쌍방향 소통이 이뤄져야 한다는 특징을 가지고 있습니다. 하지만 기존의 홈쇼핑에 익숙한 호스트들이 새로운 환경에 익숙치 못한체 투입되는 게 현실입니다.

위 문제점 해결을 위해 실시간 채팅을 딥러닝 모델이 분석하여 , 그날의 반응 보고서를 호스트들에게 제공하고자합니다.

또한, 아직 규제의 사각지대에 놓여있다보니, 욕설·음란·사기 등 범죄 혐의가 의심되는 경우에만 사후 제재가 가해질 뿐 많은 변수가 존재하고 있습니다. 이러한 문제점은 궁극적으로 매출 저하로 이어질 수 있기때문에 문제를 해결하기 위한 욕설, 혐오발언 탐지 딥러닝 모델을 제공하고자 합니다.

그림1. 라이브커머스 시장 전망

1.1. 실제로 적용되는 내용(구체적인 문제 정의)

• 라이브 커머스 실시간 댓글(채팅)에서 발생되는 욕설, 혐오발언 등을 감지하여 마스킹 처리
  • 새롭게 생겨나는 욕설 등은 고스란히 노출 되고 있음.
  • 의미론적 욕설이나 상품에 대한 비하는 처리가 어려움.
• 방송 후 소비자들의 반응(채팅)에 대해 감성분석을 적용하여, 반응보고서 도출
  • 방송에 대한 유입, 구매에 대한 통계 자료는 제공되고 있음.
  • 댓글을 통한 소비자 반응을 추가로 제공하면 좋겠다고 생각됨.

2. 프로젝트 설계

2.1. 머신러닝 문제 타당성 확인

• 비즈니스 가치 창출

  • 기존 방식의 한계

    	기존의 한계점
    넥슨 NDC(18.7)	자신들이 만든 Test set에 대해서만 유효함
    네이버 클린봇(21.11)	모든 데이터를 마스킹해버림. 동향 파악 불가 [그림2]
    룰베이스 기반	의미론적 욕설을 잡아내기 어려움 (e.g. 너희 어머니는 살아 계시니?)
    직접 댓글 반응 탐지	사람을 고용해 일일이 수작업으로 체크해야함

    

    그림2. 네이버 클린봇

  • 판매자에게 통계 데이터를 제공함으로 인한 플랫폼 점유율 상승

    1. 현재 라이브 커머스에는 쉽게 접근할 수 있는 장점이 있어 개인 사업자들 또한 많이 이용하고 있는 추새, 개인 사업자에게는 댓글 관리 매니저나, 동시에 채팅창의 반응을 모두 살피는 것은 어려울 것임
    2. 따라서 악성 댓글을 자동으로 관리해주고, 방송 종료 후 고객들의 반응을 자동으로 요약해 주면 충분히 판매자들에게 매력적인 서비스가 될 것임
    3. 분석을 통해 판매자들이 보다 질 높은 방송을 제공 → 소비자 유입 효과

  • 사회적 윤리 문제 감소

    1. 최근 성희롱, 악성 댓글로인한 문제가 늘어나고 있는 추새, 이러한 댓글들을 억제하는 것으로 판매자와 이용자들에게 불쾌감을 덜어줄 수 있고, 그로 인해 쇼호스트의 잠재적 피해를 줄이고, 깨끗한 환경을 조성해 클린 고객층을 더 확보할 수 있을 것임
• 데이터 및 기존 모델의 존재 유무
  • 욕설 분류(Data 및 Baseline)
    • https://www.kaggle.com/captainnemo9292/korean-hate-speech-dataset
    • https://www.kaggle.com/c/korean-hate-speech-detection
  • 감성분석
    • https://github.com/e9t/nsmc
    • https://github.com/bab2min/corpus/tree/master/sentiment
    • https://heegyukim.medium.com/huggingface-koelectra로-nsmc-감성분류모델학습하기-1a23a0c704af

2.3. 프로토타입(기획안)

그림3. 작업 흐름도

그림4. 프로토타입 흐름 (욕설, 보고서)

2.3. 리포트 구성 기획