ner-kor-roberta_aihub_094_208_90k

한국어 개체명 인식(NER) 모델입니다. KLUE RoBERTa-base를 백본으로, AIHub 한국어 NER 데이터셋(약 90만 문장)으로 파인튜닝하였습니다. spaCy 3.8 + spacy-transformers 파이프라인으로 학습되었습니다.

---

지원 레이블

레이블	의미	예시
PER	인물 (Person)	이순신, 홍길동
ORG	기관·조직 (Organization)	삼성전자, 국립중앙박물관
LOC	장소·지명 (Location)	서울, 한강, 여수
ADD	주소 (Address)	서울특별시 강남구 테헤란로
DAT	날짜·기간 (Date)	2024년 1월, 지난주
TIM	시간 (Time)	오후 3시, 새벽
QT	수량·수치 (Quantity)	3kg, 100명, 5천원
PHN	전화번호 (Phone)	010-1234-5678
URL	URL·이메일 (URL)	www.example.com

---

학습 데이터 예시

{"text": "관광지명 38해변", "entities": [[5, 9, "LOC"]]}

성능 (test set, 90,873 문장)

레이블	Precision	Recall	F1
전체	0.8795	0.9312	0.9046
ADD	0.9990	0.9997	0.9994
PHN	0.9873	0.9915	0.9894
URL	0.9793	0.9833	0.9813
TIM	0.9202	0.9122	0.9162
DAT	0.8245	0.9659	0.8896
QT	0.8147	0.9163	0.8625
LOC	0.8182	0.8840	0.8498
PER	0.6778	0.7847	0.7273
ORG	0.6807	0.7338	0.7063

---

사용법

spaCy로 직접 사용

import spacy

nlp = spacy.load("경로/또는/모델명")

doc = nlp("이순신 장군은 전라도 여수에서 싸웠다.")
for ent in doc.ents:
    print(ent.text, ent.label_)
# 이순신   PER
# 전라도   LOC
# 여수에서 LOC

---

학습 정보

항목	값
백본 모델	klue/roberta-base
프레임워크	spaCy 3.8 + spacy-transformers
학습 데이터	AIHub 한국어 NER 데이터셋
학습 문장 수	726,972
검증 문장 수	90,871
테스트 문장 수	90,873
총 학습 스텝	20,000
옵티마이저	Adam (lr=5e-5, warmup 250 steps)
Mixed Precision	FP16 (mixed_precision = true)
Batch 전략	batch_by_padded (size=2000)
Gradient 누적	3 subbatch

---

모델 파일 구조

이 모델은 spaCy 포맷으로 저장되어 있으며 spacy.load()로 직접 로드할 수 있습니다.

model-best/
├── config.cfg          # spaCy 파이프라인 설정
├── meta.json           # 모델 메타데이터 및 성능 기록
├── transformer/        # klue/roberta-base 파인튜닝 가중치 (444MB)
├── ner/                # NER 전이 파서 가중치
├── doc_cleaner/        # 메모리 관리 컴포넌트
└── vocab/              # 어휘 사전

---

라이선스

MIT