LLM 기반 Manipulative Political Narratives 탐지 및 구조화

소셜 미디어에서 전략적 서사는 정치 행위자에 의해 공유 의미를 형성하는 데 사용된다. 본 연구는 사전에 정의된 카테고리에 의존하지 않고도 새로운 서사 클러스터를 발견해 FIMI의 의도와 수법을 파악하는 자동화 도구를 제시한다.

출발점: FIMI와 전략적 서사의 개념으로, 기존의 단순 주제 모델링은 의도와 수법의 구조를 포착하기 어렵다. 해결 원리: 프롬프트 기반으로 FIMI 특징을 엄격히 식별하고, 임베딩은 manipulative intent에 따른 공간 분포를 형성한다. 차원 축소(UMAP)로 2D/5D 공간을 구성하고, HDBSCAN으로 군집을 발견한다. 달라지는 점: 이 파이프라인은 predefined 카테고리에 의존하지 않고 새로운 Narrative 군집을 발견할 수 있으며, OSINT 지식을 활용한 판단 능력이 향상된다.

단락 1: 전체 접근 방식과 핵심 아이디어 단락 2: 핵심 메커니즘/알고리즘 상세 단락 3+: 학습 전략, 구현 세부사항, 이론적 기반 등

<단락 1: 전체 아키텍처 구조> 필터링-임베딩-클러스터링-라벨링의 파이프라인. <단락 2: 핵심 메커니즘의 수학적/알고리즘적 기반> 임베딩 차원 4096, UMAP, HDBSCAN, c-TF-IDF, 라벨링 모델(Qwen3.5-397B-A17B-FP8). <단락 3: Prior work 대비 차별점> 사전 정의 카테고리 의존 제거와 Manipulative Intent 중심의 클러스터링. <단락 4+: 구현/학습 세부> 122B 파라미터 파이프라인 구성, 1.2M 포스트 처리, min_cluster_size=400.