Update README.md

README.md

@@ -16,12 +16,12 @@ model-index:
           type: text-classification
         metrics:
           - type: accuracy
-            value: (직접 측정한 정확도)
+            value: 0.93
 ---
 
 # FinBERT Sentiment Analysis (Korean, Finance Domain)
 
-이 모델은 **한국어 금융 뉴스 요약문**을 대상으로 감정을 분류하기 위해 파인튜닝된 BERT 기반 모델입니다.  
+이 모델은 **한국어 환율(금융) 뉴스 요약문**을 대상으로 감정을 분류하기 위해 파인튜닝된 BERT 기반 모델입니다.  
 감정 분류는 다음 세 가지 클래스 중 하나로 수행됩니다:
 
 - `0`: 부정  
@@ -31,13 +31,27 @@ model-index:
 ## 🧠 학습 정보
 
 - 기반 모델: [`snunlp/KR-FinBERT-SC`](https://huggingface.co/snunlp/KR-FinBERT-SC)
-- 데이터: 직접 수집한 **네이버 금융 뉴스** 요약 + 감정 수작업 라벨링
-- 총 샘플 수: 약 200개
+- 데이터: 직접 수집한 **네이버 환율(금융) 뉴스** 요약 + 감정 수작업 라벨링
+- 총 샘플 수: 약 200
 - Optimizer: AdamW
 - Epochs: 4
 - 최대 길이: 128
 - 평가 지표: Accuracy, F1 Score
 
+## 📊 성능 평가
+
+| 감정 클래스 | Precision | Recall | F1-score | Support |
+|-------------|-----------|--------|----------|---------|
+| 부정        | 0.89      | 1.00   | 0.94     | 17      |
+| 중립        | 1.00      | 0.82   | 0.90     | 11      |
+| 긍정        | 0.93      | 0.93   | 0.93     | 14      |
+| **정확도**  |           |        | **0.93** | 42      |
+
+> 전체 정확도: **93%**  
+> Macro F1-score: **0.92**
+
+---
+
 ## 🛠 사용 방법
 
 ```python
@@ -45,6 +59,5 @@ from transformers import pipeline
 
 pipe = pipeline("text-classification", model="DataWizardd/finbert-sentiment-ko")
 
-# 예시
-pipe("원/달러 환율이 급등하며 시장 불안이 커졌다.")
-# 출력: [{'label': 'LABEL_0', 'score': 0.95}] → 부정
+pipe("환율이 급등하며 시장 불안이 커지고 있다.")
+# 출력: [{'label': '부정', 'score': 0.95}]