- 2000년 1월 13일 오픈해 2012년 5월 25일 서비스가 종료된 대한민국의 메신저
- 네이트온, MSN메신저에 이어 한국에서 3번째로 많이 사용되었던 메신저
- 익명성
- 가벼움
- 미니 홈피
- 실명제인 네이트온과는 달리 가입할때는 실명인증이 필요했지만 아이디는 자신이 원하는대로 생성 가능
- 사생활 보호라는 익명성의 취지에는 괜찮았지만 각종 범죄에 이용되어 역기능적인 면이 많음
- 특히, 화상채팅방 목록들 중 상당수가 친목목적을 도모한 유사성매매방일 정도
- 그 외 여러 이유들로 인해 자연스럽게 이용자들이 네이트온으로 이동하면서 버디버디가 쇠퇴
버디버디의 부정적인 이슈를 최대한 해결하자.
- 공통 개선 방향
- 선정적, 폭력적인 컨텐츠 방지
- A, B, C 기능 추가 구현
- 기본 기능
-
메신저 ⇒ 채팅 기능 수행
- 일대일 채팅방을 전제
- 채팅 입력창을 통해 텍스트, 이미지를 첨부 가능
- 채팅의 내용들은 상대방에게 전송 ⇒ A, B, C에 의해 필터링을 수행 뒤 전송
- 해당 기능들을 활용해 기능 A와 기능 B를 통해 불쾌 컨텐츠를 선별할 수 있게 한다.
- 음란물 공유로 인한 문제들을 미리 예방한다.
- 비슷한 사용자들끼리 커뮤니티를 형성할 수 있다.
- 사용자들이 건전한 채팅 문화를 조성할 수 있다.
-
기능 설명 : 채팅 내용을 자연어 처리를 통해 비속어 check
-
참고할 사이트
- 딥러닝을 이용한 자연어 처리 입문 : https://wikidocs.net/22530
- 한글 토큰화 라이브러리 : https://konlpy.org/en/latest/#standing-on-the-shoulders-of-giants
- 구글 유해성 검사(이미지) : https://cloud.google.com/vision/docs/detecting-safe-search?hl=ko
-
해야할일
-
비속어 용어 사전을 만들어야 함
-
문장을 토큰화 시켜야함 → 라이브러리 사용
-
신고 기능을 넣어 특정 단어를 추출 후, 비속어 사전에 추가 할 수 있는 방법을 고안
-
(더 필요한 부분이 있다면 추가해주세요....)
public interface 채팅방 {
Map<String,Integer> 음란어사전 = new HashMap<>(); //singleton
String[] 문장토큰으로분리(String sentence);
boolean 음란한단어인가(String token);
void 음란지수카운트(User user, String sentence);
void 신고하기(String token, User user);
void 사전에단어등록(String token);
}-
Database table 생성 및 example data insert(column data type은 적절하게)
-
선정성 여부를 나타내는 단어 사전 테이블 (dictionary)
예)
word polarity 빨간맛 1 파란맛 -1 노란맛 0 -
채팅 로그 테이블
예)
timestamp message User ID Chat room ID 1596177088 안녕하세요? S100_홍길동 roomXX
-
-
분석에 필요한 data를 database에서 json 형식(혹은, 다른 적합한 형식)으로 가져오는 module 구현
-
단어 추출 module 구현(형태소 분석을 통해 유의미한 단어를 추출)
-
dictionary를 이용해 message의 선정성 지수를 연산하는 모듈 구현
-
목적 : 음란성 이미지를 검열하여 건전한 채팅문화 조성
-
프로세스 및 구현 예시(인스타그램 censor)
-
예시 라이브러리
-
참고 링크 (순서대로 보는 것 권장)
[P] Nudity detection and Censoring in images with Image Classification and Object Detection
NudeNet: An ensemble of Neural Nets for Nudity Detection and Censoring
NudeNet: An ensemble of Neural Nets for Nudity Detection and Censoring
→ 대화 주제 추천? ⇒ 가입 단계에서 관심사를 입력 받아, 공통 관심사를 가진 사람들끼리 클러스터링 후 매칭.
→ 공통의 관심사를 가진 User 들이 추가로 갖고있는 관심사를 추천
| Name | 관심사 | 관심사2 | 관심사3 |
|---|---|---|---|
| User1 | 영화 | 운동 | 게임 |
| User2 | 영화 | 운동 | 게임 |
| User3 | 영화 | 운동 |
Ex) 영화와 운동을 같이 관심있어 하는 사람들이 공통적으로 어떤 것에 관심이 있는지 테이블에서 예측해 대화 주제로 추천해준다.
(카테고리 별로 다른 항목에 대해 연결되어있는 수에 따라 가중치를 두고 계산한다.)
-
사용자가 관심사가 비슷한 그룹이 추가로 관심있어 하는 관심사를 추천
⇒ 해당하는 데이터 예측 모델을 생성
[추천 시스템 알고리즘 - 기존 주요 추천 엔진과 작동 방법](