스페인어 가사 성적 내용 자동 탐지를 위한 GPT 파인튜닝

초록

본 논문은 스페인어 레게톤·트랩 가사 100곡(명시·비명시 각각 50곡)을 전문가가 라벨링한 데이터를 이용해 GPT 모델을 파인튜닝하고, 성적 표현을 자동으로 식별하는 시스템을 구축한다. 전처리·피드백 기반 재학습을 거쳐 정확도 87%, 정밀도·특이도 100%를 달성했으며, 기존 ChatGPT 대비 4%p 높은 인간 전문가 일치율을 보였다. 또한 정책 분석(PESTEL·Kingdon)과 연계한 연령 기반 음악 등급 제안을 제시한다.

상세 분석

이 연구는 두 가지 핵심 기술적 과제를 해결한다. 첫째, 레게톤·트랩 가사에 내재된 은유·속어·이중 의미를 포착하기 위해 대규모 사전학습 언어모델(GPT)을 도메인 특화 데이터셋에 파인튜닝한다는 접근법을 채택했다. 100곡이라는 비교적 작은 데이터셋에도 불구하고, 사전학습된 GPT가 이미 풍부한 언어 통계와 문맥 정보를 보유하고 있기 때문에 전이학습을 통해 높은 분류 성능을 얻을 수 있었다. 학습 과정에서는 이진 교차 엔트로피 손실과 AdamW 옵티마이저를 사용했으며, 초기 모델은 78% 정도의 정확도를 보였지만, 전문가 피드백을 반영한 재학습 루프를 도입해 오분류 사례를 교정함으로써 최종적으로 정확도 87%, 정밀도·특이도 100%를 달성했다. 이는 특히 ‘정밀도’와 ‘특이도’가 100%라는 점에서, 실제 서비스 적용 시 오탐으로 인한 부당한 검열 위험을 최소화한다는 의미다.

둘째, 모델 평가에서 단순 정확도 외에 인간 전문가와의 일치율(Agreement)도 제시했다. 파인튜닝된 모델은 59.2%의 일치율을 보였으며, 이는 비파인튜닝된 ChatGPT(55.1%)보다 유의미하게 높다. 이러한 차이는 모델이 문화적·언어적 맥락을 학습함으로써 명시적 표현뿐 아니라 암시적·은유적 성적 언어를 인식하는 능력이 향상되었음을 시사한다. 또한 혼동 행렬을 통해 false negative를 최소화했으며, 이는 청소년 보호 관점에서 중요한 성과다.

정책적 측면에서는 PESTEL(정치·경제·사회·기술·환경·법률) 분석과 Kingdon의 다중 흐름(framework)을 활용해 음악 스트리밍 플랫폼에 적용 가능한 연령 기반 등급 체계를 설계했다. 제안된 시스템은 기술적 검증 결과를 기반으로 ‘성인용’, ‘청소년용’, ‘전체 이용가’ 등 3단계 등급을 부여하고, 스트리밍 서비스가 자동으로 라벨링·필터링을 수행하도록 설계되었다. 이는 기존 레코드 산업의 자발적 라벨링 제도와 달리, 일관된 자동화된 검증 메커니즘을 제공함으로써 규제 공백을 메우는 역할을 할 수 있다.

전체적으로 이 논문은 (1) 소규모 도메인 데이터만으로도 대형 언어모델을 효과적으로 파인튜닝할 수 있음을 입증하고, (2) 피드백 기반 재학습이 모델의 민감도와 신뢰성을 크게 향상시킨다는 실증적 근거를 제공한다. 또한 기술적 성과를 정책 설계와 연결함으로써, 음악 콘텐츠의 청소년 보호를 위한 실용적인 솔루션을 제시한다는 점에서 학술적·산업적 가치를 동시에 지닌 연구라 할 수 있다.