solbi12/ecommers_fasion_fine_tuned_3class_model

🛍️ eCommerce Fashion 한국어 감정분석 (3-Class)

한국어 패션 리뷰 도메인에 특화된 3-클래스 감정분석 모델입니다.
KoELECTRA-base를 기반으로 파인튜닝 했으며, 라벨은 NEGATIVE(0) / NEUTRAL(1) / POSITIVE(2) 입니다.

---

✨ 특징

• 한국어 패션 리뷰(배송/품질/디자인 등)에 최적화
• 부정/중립/긍정 3-class 분류
• Hugging Face Inference Widget 및 Transformers 라이브러리로 즉시 사용 가능

---

🚀 사용법

👉 파이프라인

from transformers import pipeline

repo_id = "solbi12/ecommers_fasion_fine_tuned_3class_model"
clf = pipeline("text-classification", model=repo_id, truncation=True)

clf("배송이 빠르고 품질도 좋아요")
# [{'label': 'POSITIVE', 'score': 0.98}]

---


## 📜 README.md (마크다운 형식)

### 💻 모델 사용 방법: PyTorch 직접 사용

이 모델은 한국어 패션 리뷰의 감정을 긍정(POSITIVE), 부정(NEGATIVE), 중립(NEUTRAL) 3가지로 분류하도록 파인튜닝되었습니다. `transformers` 라이브러리를 사용하여 쉽게 로드하고 추론할 수 있습니다.

```python
import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

# 모델 ID
repo_id = "solbi12/ecommers_fasion_fine_tuned_3class_model"

# 모델 및 토크나이저 로드 (Hugging Face Hub에서 자동 다운로드)
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForSequenceClassification.from_pretrained(repo_id).eval()

# 테스트 텍스트
text = "원단이 얇고 마감이 별로네요"
inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True)

# 추론
with torch.no_grad():
    logits = model(**inputs).logits
    pred = int(logits.argmax(dim=-1))

# 라벨 출력
label_map = {0: "NEGATIVE", 1: "NEUTRAL", 2: "POSITIVE"}
print(f"입력 텍스트: '{text}'")
print(f"분류 결과: {label_map[pred]}")

---

🏷️ 라벨 정의

라벨 ID	라벨명
0	NEGATIVE (부정)
1	NEUTRAL (중립)
2	POSITIVE (긍정)

id2label 및 label2id가 모델 설정(config.json)에 저장되어 있어 Hugging Face pipeline 사용 시에도 라벨명이 자동으로 출력됩니다.

---

📊 성능 (Validation Set 기준)

지표	점수
Accuracy	0.91
F1-score	0.90

데이터: "AI HUB 데이터셋"

---

🏗️ 학습 정보

• Base Model: jaehyeong/koelectra-base-v3-generalized-sentiment-analysis
• 최대 입력 길이: 512 토큰
• 배치 크기: 32
• 에포크: 5
• 학습률: 2e-5 (warmup 10%)
• 옵티마이저: AdamW (weight decay 0.01)
• 손실 함수: 가중치 부여 교차 엔트로피 (Weighted CrossEntropy)

---

📦 파일 구성

• config.json : 모델 구조 및 학습 설정
• model.safetensors : 파인튜닝된 모델 가중치
• 토크나이저 파일들 :
  • tokenizer.json
  • tokenizer_config.json
  • vocab.txt
  • special_tokens_map.json

---

⚠️ 한계와 주의 사항

• 도메인 특화: 이 모델은 패션 리뷰 도메인에 최적화되어 학습되었습니다. 다른 도메인(예: IT 기기, 영화 리뷰)의 텍스트에 대해서는 성능이 저하될 수 있습니다.
• 입력 길이 제한: 입력 텍스트가 512 토큰을 초과할 경우, 초과된 부분은 자동으로 잘립니다(truncation).
• 컨텍스트 부재: 이 모델은 텍스트 자체만을 분석하며, 리뷰에 첨부된 상품 이미지, 가격, 사용자 평점 등의 외부 컨텍스트는 고려하지 않습니다.

---

🔒 라이선스

• 라이선스: Apache-2.0
• 면책 조항: 모델 사용 시 데이터 및 도메인 적합성은 사용자 본인의 책임입니다.

---

🙌 인용 (Citation)

본 모델을 학술적 또는 상업적 목적으로 사용할 경우, 아래와 같이 인용해 주세요.

@article{lee2025ecommers,
  title={eCommerce Fashion Korean Sentiment (3-Class)},
  author={Lee, Solbi},
  year={2025},
  note={https://huggingface.co/solbi12/ecommers_fasion_fine_tuned_3class_model}
}

또는 일반적인 텍스트 형식으로: Solbi Lee, eCommerce Fashion Korean Sentiment (3-Class), 2025. 모델 링크: https://huggingface.co/solbi12/ecommers_fasion_fine_tuned_3class_model