KoELECTRA_fine_tunning_emotion

KoELECTRA Fine-tuned for Korean Emotion Classification

Model Description

이 모델은 한국어 감정 분류를 위해 KoELECTRA를 파인튜닝한 모델입니다. 6가지 주요 감정(분노, 행복, 불안, 당황, 슬픔, 상처)을 분류할 수 있습니다.

Base Model: KoELECTRA (Korean ELECTRA)
Task: Multi-class Emotion Classification
Language: Korean (한국어)
License: MIT

Emotion Labels

모델은 다음 6가지 감정을 분류합니다:

Usage

Transformers Library

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 모델과 토크나이저 로드
model_name = "Jinuuuu/KoELECTRA_fine_tunning_emotion"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# 감정 분석 함수
def analyze_emotion(text):
    # 토크나이징
    inputs = tokenizer(
        text,
        return_tensors="pt",
        truncation=True,
        max_length=512,
        padding=True
    )
    
    # 예측
    with torch.no_grad():
        outputs = model(**inputs)
        
    # 확률 계산
    probs = torch.softmax(outputs.logits, dim=1)
    
    # 감정 레이블
    emotion_labels = ['angry', 'anxious', 'embarrassed', 'happy', 'heartache', 'sad']
    
    # 결과 반환
    emotion_probs = {}
    for i, label in enumerate(emotion_labels):
        emotion_probs[label] = float(probs[0][i])
    
    return emotion_probs

# 사용 예시
text = "오늘은 정말 행복한 하루였다."
result = analyze_emotion(text)

print("감정 분석 결과:")
for emotion, prob in sorted(result.items(), key=lambda x: x[1], reverse=True):
    print(f"{emotion}: {prob:.3f}")

Pipeline 사용법

from transformers import pipeline

# 파이프라인 생성
classifier = pipeline(
    "text-classification",
    model="Jinuuuu/KoELECTRA_fine_tunning_emotion",
    tokenizer="Jinuuuu/KoELECTRA_fine_tunning_emotion"
)

# 감정 분석
texts = [
    "오늘은 정말 행복한 하루였다.",
    "너무 화가 나서 참을 수 없다.",
    "내일 시험이 걱정된다."
]

results = classifier(texts)
for text, result in zip(texts, results):
    print(f"텍스트: {text}")
    print(f"감정: {result['label']} (확률: {result['score']:.3f})")
    print()

widget:

• text: "예시 문장 1" example_title: "Happy"
• text: "예시 문장 2" example_title: "Sad"

Model Architecture

• Base Model: KoELECTRA-base
• Model Type: Sequence Classification
• Hidden Size: 768
• Num Attention Heads: 12
• Num Hidden Layers: 12
• Max Sequence Length: 512
• Vocab Size: 35000
• Num Labels: 6

Training Details

Training Data

• Dataset: Custom Korean Emotion Dataset
• Training Samples: ~50,000 sentences
• Validation Samples: ~10,000 sentences
• Data Source: Korean social media posts, reviews, and literature

Training Hyperparameters

• Learning Rate: 2e-5
• Batch Size: 16
• Epochs: 3-5
• Warmup Steps: 500
• Weight Decay: 0.01
• Max Sequence Length: 512

Training Environment

• Framework: PyTorch + Transformers
• Hardware: GPU (CUDA enabled)
• Optimizer: AdamW

Performance

Per-Class Performance

Applications

이 모델은 다음과 같은 용도로 활용할 수 있습니다:

• 소셜 미디어 감정 분석: 게시글, 댓글의 감정 파악
• 고객 리뷰 분석: 제품/서비스 리뷰의 감정 분류
• 챗봇 감정 인식: 대화 시스템에서 사용자 감정 파악
• 콘텐츠 추천: 감정 기반 콘텐츠 추천 시스템
• 음악 추천: 텍스트 감정에 따른 음악 추천
• 문학 분석: 소설, 시 등의 감정 분석

Limitations

• 모델은 한국어 텍스트에 최적화되어 있습니다
• 최대 512 토큰까지 처리 가능합니다
• 문맥에 따라 감정 분류 정확도가 달라질 수 있습니다
• 은어, 신조어, 방언에 대한 성능이 제한적일 수 있습니다

Bias and Fairness

이 모델은 학습 데이터의 편향을 반영할 수 있습니다. 특정 주제나 표현에 대해 편향된 결과를 보일 수 있으므로, 실제 서비스에 적용할 때는 충분한 검증과 모니터링이 필요합니다.

Citation

@misc{koelectra_emotion_2024,
  title={KoELECTRA Fine-tuned for Korean Emotion Classification},
  author={Jinuuuu},
  year={2024},
  publisher={Hugging Face},
  howpublished={\url{https://huggingface.co/Jinuuuu/KoELECTRA_fine_tunning_emotion}}
}

Model Card Authors

• Developer: Jinuuuu
• Model Type: Text Classification
• Language: Korean
• License: MIT

Contact

모델에 대한 문의사항이나 개선 제안이 있으시면 GitHub 이슈나 Hugging Face 모델 페이지를 통해 연락주세요.

---

이 모델은 연구 및 교육 목적으로 개발되었습니다. 상업적 사용 시에는 충분한 검증과 테스트를 거쳐 사용하시기 바랍니다.