Modelpublic

chlgks/emour-emotion-kcelectra

sourceHugging Facemitupdated 7d agoView on Hugging Face

1likes28downloads

Model Card

emour-emotion-kcelectra

한국어 대화 감정 분류 (15종) — 문장 단위 모델. 커플 메신저 서비스 Emour 의 1차 모델이며, 아래 두 맥락 모델의 warm-start 시작점입니다.

🔎 새로 쓰신다면 [`emour-emotion-kcelectra-context-v2`](https://huggingface.co/chlgks/emour-emotion-kcelectra-context-v2) 를 쓰십시오. 이 모델은 문장 하나만 보기 때문에 "됐어" "괜찮아" 처럼 맥락에 따라 의미가 달라지는 말을 구분하지 못합니다. 이 저장소는 비교 기준(baseline)으로서의 가치 때문에 남겨둡니다 — 뒤의 맥락 모델을 평가할 때 우리가 만든 데이터를 전혀 학습하지 않은 모델이 필요했고, 그 역할을 이 모델이 했습니다.

사용법

문장 하나만 넣습니다.

python

from transformers import pipeline

clf = pipeline("text-classification", model="chlgks/emour-emotion-kcelectra")
print(clf("오늘 진짜 고마웠어"))   # [{'label': '고마움', ...}]

라벨 (15종)

분류	라벨
긍정	기쁨 · 설렘 · 편안
중립	걱정 · 놀람 · 평범 · 부끄러움 · 궁금
부정	슬픔 · 화남 · 당황 · 힘듦
관계 신호	고마움 · 미안함 · 서운함

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

학습

항목	값
Base	`beomi/KcELECTRA-base`
데이터	AI Hub 감성대화 말뭉치를 15라벨로 변환 + 합성 데이터 보강
손실	클래스 불균형 가중 손실
모델 선택	valid macro-F1 기준 best epoch

성능 — 그리고 이 모델이 남긴 교훈

평가 조건	macro-F1
커플 문장 gold셋 153문장	0.73
실제 대화 흐름에 적용	0.175

0.73을 보고 배포했는데 실사용에서 0.175로 무너졌습니다.

여기서 두 가지를 동시에 확인했습니다.

1.문장 단위 모델이라 맥락을 읽지 못합니다.
2.0.73이라는 숫자 자체가 실제 사용 환경을 전혀 반영하지 못한 지표였습니다.

두 번째가 더 중요했습니다. 모델을 고치기 전에 평가 방식을 고쳐야 했습니다. 이 판단에서 맥락 모델이 나왔습니다.

계보

모델	단계
`emour-emotion-kcelectra` ← 이 모델	문장 단위
`-context`	맥락 인식 (문장쌍)
`-context-v2`	맥락 + 실사용자 대화 재학습 — 최종

🔗 GitHub — chlgks2/Emour

라이선스

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