emour-emotion-kcelectra-context-v2

emour-emotion-kcelectra-context-v2

한국어 커플 대화 감정 분류 모델 (15종) — 문장 하나가 아니라 직전 대화 맥락과 함께 판단합니다.

"됐어" "괜찮아" 같은 말은 앞선 흐름에 따라 감정이 완전히 달라집니다. 이 모델은 직전 대화(최대 10발화)와 대상 문장을 문장쌍으로 함께 인코딩해 그 차이를 구분합니다.

커플 메신저 서비스 Emour(2026.07~08)에서 실제로 서빙한 모델이고, 베타 테스트 사용자 291명의 실제 대화 로그로 재학습한 최종 버전입니다.

---

⚠️ 사용법 — 문장쌍으로 넣어야 합니다

이 모델은 tokenizer(context, target) 형태의 문장쌍(text pair)으로 학습됐습니다. "맥락 [SEP] 대상" 처럼 한 개의 문자열로 넣으면 token_type_ids가 달라져 결과가 부정확합니다.

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

MODEL = "chlgks/emour-emotion-kcelectra-context-v2"
tok = AutoTokenizer.from_pretrained(MODEL)
model = AutoModelForSequenceClassification.from_pretrained(MODEL).eval()

# 맥락은 "화자: 발화" 를 줄바꿈으로 이어 붙입니다 (학습 때와 동일한 형식)
context = "A: 오늘 약속 취소됐어\nB: 왜? 무슨 일 있어?\nA: 그냥 좀 그렇게 됐어"
target  = "됐어"

enc = tok(context, target, truncation="longest_first", max_length=128, return_tensors="pt")
with torch.no_grad():
    pred = model(**enc).logits.argmax(-1).item()

print(model.config.id2label[pred])   # 예: 서운함

pipeline 을 쓴다면 딕셔너리로 문장쌍을 넘깁니다.

from transformers import pipeline

clf = pipeline("text-classification", model=MODEL)
clf({"text": context, "text_pair": target})

맥락 없이 대상 문장만 넣어도 동작하지만, 이 모델의 이점이 사라집니다. 그럴 때는 단문 모델(chlgks/emour-emotion-kcelectra)을 쓰는 편이 맞습니다.

🔕 추론 위젯을 꺼 두었습니다. HuggingFace의 text-classification 위젯은 입력창이 하나뿐이라 문장쌍을 넣을 수 없습니다. 위젯을 켜두면 맥락 없이 한 문장만 들어가, 이 모델을 잘못된 방식으로 써 본 결과가 대표 예시처럼 보이게 됩니다. 위 코드로 직접 실행해 보시는 편이 정확합니다.

입력 규칙 요약

---

라벨 체계 (15종)

일반적인 감정 분류에 '관계 신호' 축을 추가로 설계했습니다. 커플 대화에서는 감정의 긍부정보다 상대에게 무엇을 전하려는 발화인지가 더 중요한 경우가 많기 때문입니다.

---

학습 데이터

공개 말뭉치로는 커플 채팅 도메인 성능이 나오지 않아 직접 구축했습니다. 총 3,648건입니다.

라벨링 단위가 이 모델의 핵심입니다

처음에는 대화를 한 줄씩 보고 라벨링했습니다. 그런데 실제 대화에서 감정은 앞선 흐름이 결정합니다. 직전 10개 발화를 함께 보고 마지막 한 줄의 감정을 판단하는 방식으로 바꾼 것이 전환점이었습니다 — 모델 구조가 아니라 라벨 단계에서부터 맥락을 반영한 것입니다.

대조쌍 — 키워드 암기를 막습니다

감정 단어가 문장에 직접 있으면(예: "짜증나") 모델이 맥락을 보지 않고 그 키워드만으로 판단하는 지름길 학습(shortcut) 이 생깁니다. 맥락을 넣어도 모델이 무시하면 구조 변경이 무의미합니다.

그래서 같은 문장이 앞선 맥락에 따라 다른 감정을 갖는 쌍 150건을 만들었습니다. 문장만으로는 두 샘플을 구분할 수 없으므로 맥락을 봐야만 손실이 줄어듭니다. 대조쌍은 학습 전용이고 평가에는 넣지 않았습니다.

---

학습 설정

띄어쓰기 증강은 끄고 정규화로 해결했습니다. 기분나빠(붙여 쓴 표기)가 오분류되는 원인은 subword 토크나이저였습니다. 증강을 시도했지만 학습에 없는 다른 붙임 표기는 여전히 못 잡았습니다 — 증강은 본 것만 커버합니다. 그래서 추론 전 띄어쓰기 교정(kiwipiepy) 으로 입력을 정규화하는 쪽을 택했고, 재학습 없이 서버 코드 변경만으로 해결됐습니다.

---

성능

실데이터 test 660건 기준입니다.

라벨별

15종 다중분류에서 랜덤 추측의 macro-F1은 약 0.067입니다.

평가 데이터 누수를 0으로 만들었습니다

모델을 비교하는 과정에서 평가셋 오염으로 점수가 뒤집히는 현상을 발견했습니다. 우리가 만든 데이터가 test에 섞이면 새 모델이 자동으로 유리해집니다.

• test/valid는 실데이터만 사용하고, 합성·대조쌍은 학습 전용으로 격리했습니다.
• 비교 기준을 우리 데이터를 전혀 학습하지 않은 단문 배포 모델로 고정했습니다.

그 누수 없는 기준 위에서 측정한 맥락 모델의 개선폭은 macro-F1 0.175 → 0.39 (2.2배) 였고, 기존에 아예 못 잡던 감정(당황 0.00→0.50, 슬픔 0.00→0.40, 놀람 0.00→0.22)이 복구됐습니다.

---

모델 계보

⚠️ 두 맥락 모델의 점수는 서로 다른 test 분할에서 측정한 것이라 직접 비교할 수 없습니다. v2의 test는 실사용자 데이터가 들어와 6배 커졌고(111 → 660) 분포도 달라졌습니다. 「0.387 → 0.5065 로 올랐다」는 주장은 이 수치만으로는 성립하지 않습니다.

공개 데이터 → 직접 만든 데이터 → 실사용 데이터 순으로 옮겨간 것이 이 모델의 흐름입니다. 각 단계에서 성능이 올라갔고, 그 이유는 매번 학습 데이터의 분포가 실제 사용 환경에 가까워졌기 때문입니다.

---

한계와 주의사항

• 도메인이 좁습니다. 커플 간 1:1 채팅체를 전제로 학습했습니다. 뉴스·리뷰·업무 대화 등 다른 도메인에서는 성능을 보장할 수 없습니다.
• 편안·서운함·당황의 F1이 낮습니다(0.28~0.36). 사람도 라벨이 갈리는 구간이고, 교차 라벨링에서도 이견이 많았던 감정들입니다.
• 평범의 support가 전체의 40%(261/660)입니다. 실제 대화 분포를 그대로 반영한 것이지만, macro-F1이 소수 라벨에 민감하다는 점을 감안해 읽어야 합니다.
• 문장쌍으로 넣지 않으면 정확도가 떨어집니다. 위 「사용법」 참고.
• 감정 판단을 자동화하는 도구로만 쓰십시오. 사람의 심리 상태를 진단하거나 관계를 평가하는 용도로 쓰기에 적합하지 않습니다.
• 학습 데이터에는 동의를 받은 베타 테스터의 대화가 포함됩니다. 원본 대화 데이터는 공개하지 않으며, 이 저장소에는 학습된 가중치만 있습니다.

---

서비스에서의 사용

Emour 백엔드(Spring Boot)는 미분석 메시지를 직전 맥락과 함께 AI 서버(FastAPI)로 보내고, 결과를 저장한 뒤 WebSocket으로 푸시했습니다.

// POST /analyze
{
  "context": [{"speaker": "A", "text": "오늘 약속 취소됐어"}],   // 최대 10개
  "target":  [{"message_id": 101, "speaker": "B", "text": "됐어"}]
}
// → 응답 개수는 항상 target 개수와 일치
{"101": {"emotion": "서운함"}}

스키마와 15라벨을 계약으로 고정해, 모델 교체를 환경변수 수정 + 재시작만으로 처리했습니다. 덕분에 베타 테스트 중에도 무중단 롤백이 가능했습니다.

🔗 GitHub — chlgks2/Emour

라이선스

MIT. base 모델 beomi/KcELECTRA-base(MIT)를 따릅니다.