데이터 스크래핑과 댓글 전처리 등의 과정에는 프로그래밍 언어인 파이썬(Python) 패키지를 사용했고, 혐오 내용 분류에는 스마일게이트(Smilegate) AI에서 공개한 언스마일(Unsmile) 한국어 혐오 분류 모델을 활용했다. 혐오 분류 모델은 혐오단어 매칭을 통해 댓글의 혐오 수준을 파악하고, 단어 앞뒤의 맥락을 고려해 혐오문장을 판단하는 문장 수준의 딥러닝 기반 자연어처리 분류 모델이다. 해당 모델은 악플과 일반 댓글을 이분법적으로 구분하는 것을 넘어 총 10종류의 혐오 유형을 분류한다. 그 종류는 여성/가족, 남성, 성소수자, 인종/국적, 연령, 지역, 종교, 기타혐오, 악플/욕설, 비혐오(clean) 등 총 10가지다. 동시에 BERTopic 알고리즘으로 토픽모델링 분석을 진행했다. 혐오 분류 모델이 미리 학습된 10가지 혐오 유형을 각각 분류하는 지도학습기반의 알고리즘이라면, BERTopic은 여러 댓글을 함께 분석해 맥락이 비슷한 댓글을 하나의 군집으로 묶는 비지도학습기반 알고리즘이다. 이러한 토픽모델링 기법은 미리 정해놓은 혐오 유형 외에 댓글 텍스트에 내재한 새로운 주제와 맥락을 발견한다.