rudalson/klue-bert-classification-petitions

KLUE_BERT Classification - Fine-tuned on Korean-Petitions

KLUE-BERT 모델(klue/bert-base)을 한국 청와대 국민청원 데이터셋(heegyu/korean-petitions)으로 Fine-tuning하여 청원 내용을 자동으로 카테고리 별로 분류합니다.

데이터 분포 시각화

[image]

Model Details

Model Description

• —Task: Multi-class Text Classification (17 Categories)
• —Base Model: klue/bert-base
• —Technique: PEFT / LoRA (Rank=32, Alpha=64)
• —Language: Korean
• —Description: 청와대 국민청원의 제목과 본문을 입력받아 해당 청원이 어느 카테고리(예: 정치개혁, 보건복지, 인권/성평등 등)에 속하는지 예측합니다.

Model Uses

Direct Use

한국어 텍스트로 된 민원이나 제안을 특정 카테고리로 분류하는 데 직접 사용할 수 있습니다. 특히 공공 기관의 민원 자동 분류 시스템 초안으로 활용하기에 적합합니다: 정치개혁, 외교/통일/국방, 일자리, 미래, 성장동력, 농산어촌, 보건복지, 마을공동체, 경제민주화, 안전/환경, 주거/20대, 인권/성평등, 문화/예술/체육/언론, 반려동물, 교통/건축/국토, 행정, 기타

Downstream Use

정부 정책에 대한 여론 분석, 특정 시기별 사회적 이슈 트렌드 파악 등 데이터 분석 프로젝트의 기초 모델로 활용 가능합니다.

📊 Training Results (Full Dataset)

Final Evaluation Metrics (on Test Set)

[image]

• —평가 샘플 수: 2,000개
• —정확도 (Accuracy): 0.4505
• —정밀도 (Precision): 0.3684
• —재현율 (Recall): 0.0693
• —F1 점수 (F1 Score): 0.4189
• —평균 예측 신뢰도: 0.3908
• —오분류율: 54.9%

카테고리별 성능 (F1 Score 기준):

• —최고 성능: 정치개혁 (F1: 0.621)
• —최저 성능: 농산어촌 (F1: 0.000)
• —평균 F1 Score: 0.317

🛠 Usage

from transformers import AutoModelForSequenceClassification, AutoTokenizer
import torch

model_id = "rudalson/klue-bert-classification-petitions"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForSequenceClassification.from_pretrained(model_id)

text = "청원 내용 예시: 우리 동네 공원의 안전을 강화해주세요."
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=256)

with torch.no_grad():
    logits = model(**inputs).logits
    predicted_class_id = logits.argmax().item()