jeonghyeon97/koBERT-Senti5

한국어 텍스트 감정 분류 모델 (KoBERT 기반)

Model Description

이 모델은 AIHub의 감성대화 말뭉치 데이터셋을 기반으로 한국어 대화의 감정을 분류하는 KoBERT 모델입니다. 원본 데이터셋을 다시 5개의 감정 범주로 레이블링하였으며, Hugging Face의 Trainer 클래스를 사용하여 훈련되었습니다.

5개의 감정 범주:

• 0: Angry
• 1: Fear
• 2: Happy
• 3: Tender
• 4: Sad

Training Data

사용된 데이터셋은 AIHub의 감성대화 말뭉치에서 가져온 데이터로, 대화 텍스트를 5개의 범주로 레이블링하여 전처리하였습니다. 이 데이터는 80%는 학습 데이터로, 나머지 20%는 검증 데이터로 나누어 사용되었습니다.

Pre-trained Model

이 모델은 monologg/kobert 사전 학습된 KoBERT 모델을 기반으로 합니다. KoBERT는 한국어 BERT 모델로서, 이 프로젝트에서 5개의 감정 범주를 분류하는 목적을 위해 미세 조정(fine-tuning)되었습니다.

Tokenizer

모델은 AutoTokenizer를 사용하여 문장을 토큰화하였으며, padding='max_length'와 truncation=True 옵션을 사용하여 최대 길이 128의 입력으로 변환되었습니다.

tokenizer = AutoTokenizer.from_pretrained("monologg/kobert", trust_remote_code=True)

def tokenize_function(examples):
    return tokenizer(examples['input_text'], padding='max_length', truncation=True, max_length=128)

train_dataset = train_dataset.map(tokenize_function, batched=True)
val_dataset = val_dataset.map(tokenize_function, batched=True)

Model Architecture

모델은 BertForSequenceClassification 클래스를 사용하여 5개의 감정 레이블을 분류합니다.

model = BertForSequenceClassification.from_pretrained('monologg/kobert', num_labels=5)

Training Configuration

모델 학습을 위해 Hugging Face의 Trainer 클래스를 사용하였으며, 다음과 같은 학습 설정을 적용하였습니다:

• 학습률: 2e-5
• 배치 크기: 16
• 에포크 수: 10
• 평가 전략: 매 에포크마다 평가
• F1 스코어 (macro) 기준으로 최적의 모델 저장

training_args = TrainingArguments(
    output_dir='./results',
    learning_rate=2e-5,
    per_device_train_batch_size=16,
    per_device_eval_batch_size=16,
    num_train_epochs=10,
    eval_strategy="epoch",
    save_strategy="epoch",
    metric_for_best_model="f1_macro",
    load_best_model_at_end=True
)

How to Use the Model

모델을 사용하려면 다음과 같이 Hugging Face transformers 라이브러리에서 KoBERT 토크나이저를 사용하여 로드할 수 있습니다:

from transformers import AutoTokenizer, BertForSequenceClassification

# KoBERT의 원래 토크나이저 사용
tokenizer = AutoTokenizer.from_pretrained('monologg/kobert')
model = BertForSequenceClassification.from_pretrained('jeonghyeon97/koBERT-Senti5')

# 예시 입력 (여러 문장 리스트)
texts = [
    "오늘은 정말 행복한 하루야!",
    "이거 정말 짜증나고 화난다.",
    "그냥 그렇네.",
    "왜 이렇게 슬프지?",
    "기분이 좀 불안해."
]

# 입력 텍스트 토큰화
inputs = tokenizer(texts, return_tensors='pt', padding=True, truncation=True)

# 예측
outputs = model(**inputs)
predictions = outputs.logits.argmax(dim=-1)

# 결과 출력
for text, prediction in zip(texts, predictions):
    print(f"입력: {text} -> 예측된 감정 레이블: {prediction.item()}")