3.2 Youtube Spam Comments (Text Classification)
텍스트 분류에 대한 예제들로 5개의 유튜브 동영상들에 있는 1,956개의 댓글을 사용합니다. 스팸 분류에 대해 다룬 논문에서 이 데이터를 사용한 저자들 덕분에 무료도 사용할 수 있습니다(Alberto, Lochter 그리고 Almeida (20151)).
댓글들은 2015년도 1분기에 조회수 상위 10개 중 5개를 유튜브 API를 통해서 수집됐습니다. 5개 모두 음악영상입니다. 그들 중 하나는 한국 가수인 싸이의 “강남 스타일”이고 다른 가수들은 Kate Perry, LMFAO, Eminem 그리고 Shakira입니다.
몇몇 댓글들을 확인해봅시다. 이 댓글들은 다 손수 스팸인지 아닌지 분류해놨습니다. 스팸은 “1”, 스팸이 아닌것은 “0”으로 분류되어 있습니다.
| 내용 | 클래스 |
|---|---|
| Huh, anyway check out this you[tube] channel: kobyoshi02 | 1 |
| Hey guys check out my new channel and our first vid THIS IS US THE MONKEYS!!! I’m the monkey in the white shirt,please leave a like comment and please subscribe!!!! | 1 |
| just for test I have to say murdev.com | 1 |
| me shaking my sexy ass on my channel enjoy ^_^ | 1 |
| watch?v=vtaRGgvGtWQ Check this out . | 1 |
| Hey, check out my new website!! This site is about kids stuff. kidsmediausa . com | 1 |
| Subscribe to my channel | 1 |
| i turned it on mute as soon is i came on i just wanted to check the views… | 0 |
| You should check my channel for Funny VIDEOS!! | 1 |
| and u should.d check my channel and tell me what I should do next! | 1 |
유튜브에서도 이 댓글들을 확인할 수 있습니다. 단, 한번 들어갔다가 유튜브에 빠지지 않길 바랍니다. 결국 해변에서 원숭이가 관광객들의 칵테일을 훔쳐마시는 영상을 보고있게 될수도 있습니다. 구글 스팸 탐지기는 2015년 이후로 많이 변경됐을 것입니다.
엄청난 조회수를 기록한 “강남 스타일”을 여기서 확인해보실 수 있습니다.
이 데이터를 통해서 무언가 해보고 싶으시다면 이 책의 Github repository에서 몇가지 간편한 함수들이 있는 RData 파일과 R-script를 확인해보실 수 있습니다.
-
Alberto, Túlio C, Johannes V Lochter, and Tiago A Almeida. “Tubespam: comment spam filtering on YouTube.” In Machine Learning and Applications (Icmla), Ieee 14th International Conference on, 138–43. IEEE. (2015). ↩