본 논문은 소셜 미디어 상의 가짜 뉴스 확산에 취약하게 만드는 심리적 편향(확증 편향 등) 문제를 해결하기 위해 머신러닝 기반 사실 확인 시스템, 특히 다양한 분류기를 결합하는 앙상블 방법에 초점을 맞추고 있습니다. 기존 앙상블 방법의 성능은 구성 분류기의 다양성에 크게 의존하지만, 중복된 패턴을 학습하는 경향으로 인해 진정한 다양성을 가진 모델을 선택하는 것이 어려운 문제점이 있습니다. 이를 해결하기 위해 본 논문에서는 분류기 간의 다양성을 우선시하고 성능을 고려하는 새로운 자동 분류기 선택 방법인 HierarchySelect를 제안합니다. HierarchySelect는 분류기 간의 쌍별 다양성을 계산하고 계층적 클러스터링을 적용하여 다양한 수준의 세분화로 그룹화합니다. 각 수준에서 서로 다른 다양성을 나타내는 분류기 풀을 선택하고, 가장 다양한 풀을 선택하여 앙상블을 구성합니다. 각 분류기의 성능을 반영하는 평가 지표를 통합하여 앙상블의 일반화 성능도 보장합니다. 6개의 다양한 데이터셋과 40개의 이종 분류기를 사용한 실험을 통해 기존 방법들과 비교하여 성능을 검증하였습니다.
