Update README.md

README.md

@@ -4,10 +4,8 @@ tags: []
 ---
 
 # HowRU-KoELECTRA-Emotion-Classifier
-## Model Details
-
-### Model Description
 
+## Model Description
 이 모델은 한국어 일상 텍스트(특히 일기/심리 기록)에 나타나는 감정을 자동으로 분류하기 위해 구축된 감정 분류 모델입니다.
 기반 모델은 monologg/koelectra-base-v3-discriminator이며, 감정 분석 Task에 최적화되도록 8개 감정 라벨(기쁨, 설렘, 평범함, 놀라움, 불쾌함, 두려움, 슬픔, 분노) 구조로 파인튜닝되었습니다.
 
@@ -16,8 +14,7 @@ tags: []
 - **License:** MIT
 - **Finetuned from model:** monologg/koelectra-base-v3-discriminator
 
-### Emotion Classes
-
+## Emotion Classes
 이 모델은 입력된 한국어 문장 또는 일기 텍스트의 주요 감정을 아래 8개 클래스 중 하나로 분류합니다.
 | Emotion (감정) | 
 |----------------|
@@ -33,7 +30,6 @@ tags: []
 ---
 
 ## How to Get Started with the Model
-
 ```python
 from transformers import AutoTokenizer, AutoModelForSequenceClassification
 import torch.nn.functional as F
@@ -60,7 +56,6 @@ print(predict("오늘 하루가 유난히 힘들고 지쳤다."))
 ## Training Details
 
 ### Training Data
-
 1. [LimYeri/kor-diary-emotion_v2]("https://huggingface.co/datasets/LimYeri/kor-diary-emotion_v2")
 2. [qowlsdud/CounselGPT]("https://huggingface.co/datasets/qowlsdud/CounselGPT")
 
@@ -69,14 +64,12 @@ print(predict("오늘 하루가 유난히 힘들고 지쳤다."))
 - **Validation:** 10,000행
 
 ### Training Procedure
-
 - **Base Model**: [monologg/koelectra-base-v3-discriminator]("https://huggingface.co/monologg/koelectra-base-v3-discriminator")
 - **Objective**: Single-label classification
 - **Precision**: fp16 mixed precision
 - **Max Length**: 512
 
-#### Training Hyperparameters
-
+### Training Hyperparameters
 - **num_train_epochs**: 3
 - **learning_rate**: 3e-5
 - **weight_decay**: 0.02
@@ -88,7 +81,6 @@ print(predict("오늘 하루가 유난히 힘들고 지쳤다."))
 ---
 
 ## Performance
-
 | Metric          | Score  |
 |-----------------|--------|
 | **Eval Accuracy** | 0.95  |
@@ -99,7 +91,6 @@ print(predict("오늘 하루가 유난히 힘들고 지쳤다."))
 ## Model Architecture
 
 ### 1) ELECTRA Encoder (Base-size)
-
 - **Hidden size:** 768
 - **Layers:** 12 Transformer blocks
 - **Attention heads:** 12
@@ -108,7 +99,6 @@ print(predict("오늘 하루가 유난히 힘들고 지쳤다."))
 - **Dropout:** 0.1
 
 ### 2) Classification Head
-
 감정 8개 클래스를 예측하기 위한 추가 분류 헤드:
 
 - **Dense Layer**: 768 → 768