일반 대화 감정 분류 모델 (General Chat Emotion Classifier)

✅ 모델 정보

• Base Model: KLUE-BERT
• 입력 형식: "Q: 질문 A: 답변"
• 출력 라벨:
  • 0: 부정적 반응 (썸 실패)
  • 1: 중립적 반응 (썸 유지)
  • 2: 긍정적 반응 (썸 성공)

🛠 사용 방법

🖥 주피터 노트북에서 모델 사용하기

1. 환경 준비:
   주피터 노트북이나 Google Colab 환경에서 아래 명령어로 필요한 라이브러리를 설치합니다.
   !pip install transformers torch
2. 모델 불러오기 및 테스트:
   아래 코드를 주피터 노트북 셀에 복사해 실행하여, 모델과 토크나이저를 불러오고 예제 입력을 통해 예측을 확인할 수 있습니다.
   python

   1from transformers import AutoModelForSequenceClassification, AutoTokenizer 2import torch 3 4model_name = "kelly9457/bindly-simul-v2" 5tokenizer = AutoTokenizer.from_pretrained(model_name) 6model = AutoModelForSequenceClassification.from_pretrained(model_name) 7 8def predict_label(question, user_answer): 9 input_text = f"Q: {question} A: {user_answer}" 10 inputs = tokenizer(input_text, return_tensors="pt", padding=True, truncation=True, max_length=128) 11 12 with torch.no_grad(): 13 outputs = model(**inputs) 14 probs = torch.nn.functional.softmax(outputs.logits, dim=-1) 15 16 pred_label = torch.argmax(probs, dim=-1).item() 17 return pred_label 18 19# 예제 실행 20question = "주말에 영화 보러 갈래?" 21answer = "응, 좋아!" 22print("예측된 라벨:", predict_label(question, answer))
3. 인터랙티브 테스트 (선택 사항):
   반복적으로 사용자 입력을 받아 모델을 테스트하고 싶다면 아래와 같이 인터랙티브 셀을 구성할 수 있습니다.
   python

   1while True: 2 user_question = input("📝 질문 입력: ") 3 if user_question.lower() == "exit": 4 break 5 user_answer = input("💬 답변 입력: ") 6 if user_answer.lower() == "exit": 7 break 8 pred_label = predict_label(user_question, user_answer) 9 print("🔥 예측된 라벨:", pred_label) 10 print("-" * 50)

📊 평가 결과 (Validation Set)

🚀 Hugging Face 업로드