모든 비속어/욕설 판별기의 대한 성능을 비교합니다. Compare the performance of all profanity/cursive discriminator.

데이터

• korean-malicious-comments-dataset: 한국어 악성댓글 데이터셋 (10,000문장)
• Curse-detection-data: 각종 커뮤니티 사이트의 댓글의 욕설 여부를 분류한 한글 데이터셋 (5,825문장)
• kmhas_korean_hate_speech: 온라인 뉴스의 댓글를 8가지로 세분화하여 분류한 데이터셋 (78,978문장)
• Korean Extremist Website Womad Hate Speech Data: 한국 극단주의 웹사이트의 데이터를 분류한 데이터셋 (2,081문장)
• LGBT-targeted HateSpeech Comments Dataset (Korean): 네이버 뉴스 성소수자 관련 댓글을 분류한 데이터셋 (8,837문장)
• korean-hate-chat-data: korcen으로 분류한 korcen-ml의 학습 파일 중 일부(3,000,000문장, 랜덤 10,000문장만 사용)
• korean-hate-speech: 한국 연예 뉴스 수집 플랫폼의 댓글(9,381문장)
• korean_unsmile_dataset: Smilegate AI에서 공개하는 한국어 혐오표현 "☹️ UnSmile" 데이터셋입니다. (18,742문장)

모델

PYHTON

• korcen: 키워드 기반 비속어 판단 모듈
• korcen-ml: korcen으로 분류한 데이터를 학습한 딥러닝 기반 비속어 판별 모델
• badword_check: 입력한 글(한글)이 욕설인지 아닌지를 딥러닝을 통해 판별하는 모델
• CurseDetector: 한글 유사도와 한글 발음 유사도를 이용한 욕설/비속어/금지어 필터링

C

JAVA

• BadWordFiltering

JAVASCRIPT

• Cenkor: 손쉬운 비속어 검열(korcen 데이터셋 이용)

TYPESCRIPT

• korcen.ts: 기존 korcen을 typescript로 작성한 NPM모듈

DART

• korean_profanity_filter: 정규식을 기반

etc....

성능 검증

데이터와 결과가 일치한 개수 / 전체 데이터 개수

	korean-malicious-comments-dataset	Curse-detection-data	kmhas_korean_hate_speech	Korean Extremist Website Womad Hate Speech Data	LGBT-targeted HateSpeech Comments Dataset (Korean)	korean-hate-chat-data	korean-hate-speech	korean_unsmile_dataset	평균 처리 속도
korcen	0.7121	0.8415	0.6773	0.6305	0.4479	0.9857		0.5534	9ms
korcen-ml	0.8395	0.8432	0.8851	0.7155	0.7020	0.9941		0.7824	40ms
badword_check	0.5829	0.6761		0.6410	0.4738	0.7980		0.4913	43ms
CurseDetector		0.5679		0.5785		0.6657			267ms
BadWordFiltering
Cenkor		0.8317		0.6275					0.2ms
korcen.ts
korean_profanity_filter

테스트 환경

i7-11800H @ 2.30GHz 32GB 3200MHZ RTX 3060 Laptop