moodtown-emotion-model

moodtown-emotion-model

한국어 감정 분류를 위한 KLUE-RoBERTa-base 기반 모델입니다.

모델 설명

이 모델은 KLUE-RoBERTa-base를 기반으로 하여 한국어 텍스트의 감정을 5가지 카테고리로 분류합니다.
moodtown 프로젝트의 일부로 개발되었으며, AI Hub 감성 대화 말뭉치를 사용하여 학습되었습니다.

감정 라벨

모델은 다음 5가지 감정을 분류합니다.

• 기쁨 (joy)
• 당황 (embarrassment/surprise)
• 분노 (anger)
• 불안 (anxiety/fear)
• 슬픔 (sadness)

모델 세부사항

• 기반 모델: klue/roberta-base
• 모델 타입: RobertaForSequenceClassification
• 입력 길이: 최대 128 토큰
• 학습 데이터: AI Hub 감성 대화 말뭉치 (HS01 발화만 사용, 51,628개 샘플)
• 학습 방식: Fine-tuning

데이터셋 라벨 매핑

AI Hub 원본 라벨을 5개 감정으로 매핑.

• E10~E19 → 분노
• E20~E29 → 슬픔
• E30~E39 → 불안
• E40~E59 → 당황 (상처+당황 통합)
• E60~E69 → 기쁨

사용 방법

Transformers 라이브러리 사용

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 모델 및 토크나이저 로드
model_name = "sihyeonmoon/moodtown-emotion-model"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# 텍스트 분류
text = "오늘 정말 기분이 좋아요"
inputs = tokenizer(
    text,
    return_tensors="pt",
    max_length=128,
    truncation=True,
    padding=True,
)

with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)

labels = ["기쁨", "당황", "분노", "불안", "슬픔"]

predicted_label = labels[predictions.argmax().item()]
confidence = predictions.max().item()

print(f"예측 감정: {predicted_label} (신뢰도: {confidence:.2%})")

### Pipeline 사용

```python
from transformers import pipeline

classifier = pipeline(
    "text-classification",
    model="your-username/moodtown-emotion-classifier",
    tokenizer="your-username/moodtown-emotion-classifier",
    return_all_scores=True,
)

result = classifier("오늘 하루가 힘들었어요.")
print(result)

학습 정보

하이퍼파라미터

• Train/Validation Split: 90% / 10%
• Batch Size: 32 (gradient accumulation=2 → effective batch size=64)
• Learning Rate: 2e-5
• Optimizer: AdamW
• Scheduler: Cosine Annealing + Warmup
• Epochs: 2
• Label Smoothing: 0.1
• Mixed Precision: FP16

학습 환경

• Framework: PyTorch
• Device: GPU (CUDA)

---

평가 결과

Validation 성능

• Accuracy: 63.90%
• Loss: 1.0781

한계점

• '당황' 감정이 다른 감정(불안·슬픔 등)과 혼동되는 경우가 많음
• 데이터셋 라벨 구조상 '당황'과 '상처'의 경계가 모호함
• 감정 표현 간의 의미적 중첩으로 인해 구조적 분류 한계 존재

---

제한사항

• 이 모델은 참고용 감정 분류 모델입니다
• 실제 서비스나 프로덕션 환경에서는 더 높은 성능의 모델이 필요할 수 있습니다
• AI Hub 데이터는 구어체 기반이므로, 문어체 입력에 대한 일반화 성능이 다를 수 있습니다

---

참고 자료

• 원본 프로젝트: https://github.com/bearivh/moodtown
• 기반 모델: https://huggingface.co/klue/roberta-base
• 데이터셋: https://aihub.or.kr/aihubdata/data/view.do?dataSetSn=86

---

라이선스

MIT License

---

인용

@misc{moodtown-emotion-model,
  title={moodtown-emotion-model: Korean Emotion Classification Model},
  author={Moon sihyeon},
  year={2025},
  publisher={Hugging Face},
  howpublished={\url{https://huggingface.co/sihyeonmoon/moodtown-emotion-model}}
}