Wing4/koelectra-absa-steam-classifier

🎮 KoELECTRA Multi-Label Review Classifier (AI 기반 리뷰 인사이트 시스템)

이 모델은 한국어 게임 리뷰(예: Steam 리뷰)를 기반으로 학습된 다중 라벨 분류 모델입니다.
사용자는 하나의 리뷰 문장에서 15개 항목(성능, 버그, 스토리, 번역, 밸런스 등) 을 동시에 예측할 수 있습니다.

---

🧠 Model Overview

• Base Model: monologg/koelectra-base-v3-discriminator
• Framework: Hugging Face Transformers + PyTorch
• Task: Multi-label Text Classification
• Loss: BCEWithLogitsLoss (pos_weight 보정 적용)
• Epochs: 8
• Optimizer: AdamW (lr=2e-5)
• Hardware: NVIDIA A100 / T4 GPU
• Metrics: Micro-F1, Macro-F1, Accuracy

---

🏷️ Labels (15 categories)

Index	Label	설명
0	y_OPTIMIZATION	최적화 / 프레임
1	y_BUG_CRASH	버그, 크래시
2	y_GRAPHICS	그래픽 품질
3	y_SOUND	사운드 품질
4	y_CONTROL	조작감
5	y_MATCHMAKING_SERVER	매칭, 서버 품질
6	y_BALANCE	밸런스
7	y_STORY	스토리 완성도
8	y_TRANSLATION_LOCALIZATION	번역, 현지화
9	y_PRICE_VALUE	가격 대비 가치
10	y_TUTORIAL_GUIDE	튜토리얼, 가이드
11	y_UI_UX	UI/UX 편의성
12	y_CONTENT_UPDATE	콘텐츠 업데이트
13	y_GAMEPLAY_MECHANICS	게임 플레이 메커닉
14	y_ENGAGEMENT	몰입감

---

📊 Example Usage

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model_id = "Wing4/results"
tok = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForSequenceClassification.from_pretrained(model_id)

text = "스토리가 흥미롭고 그래픽이 뛰어나요. 하지만 서버가 자주 끊깁니다."
inputs = tok(text, return_tensors="pt", truncation=True, padding=True)

with torch.no_grad():
    logits = model(**inputs).logits
    probs = torch.sigmoid(logits).squeeze().tolist()
print(probs)

## 📈 Performance (Validation)

| Epoch | Train Loss | Val Loss | Micro-F1 | Macro-F1 | Accuracy |
|:--:|:--:|:--:|:--:|:--:|:--:|
| 1 | 1.1288 | 0.3854 | 0.4887 | 0.3474 | 0.7239 |
| 2 | 0.6371 | 0.3293 | 0.6716 | 0.4794 | 0.8410 |
| 3 | 0.4236 | 0.2891 | 0.7467 | 0.5399 | 0.8854 |
| 4 | 0.3349 | 0.2389 | 0.7599 | 0.5450 | 0.9045 |
| 5 | 0.2788 | 0.2339 | 0.8100 | 0.5882 | 0.9320 |
| 6 | 0.2539 | 0.2617 | 0.8416 | 0.6263 | 0.9365 |
| 7 | 0.1976 | 0.2573 | 0.8590 | 0.6471 | 0.9433 |

**📊 최종 성능 (Epoch 8)**  
- **Micro-F1:** 0.86  
- **Macro-F1:** 0.65  
- **Accuracy:** 0.94  
- **Validation Loss:** 0.257  

> pos_weight 보정(`√`)을 적용한 모델로, 이전 버전 대비 확률 스케일 안정화 및 F1 향상(+0.13p)을 달성했습니다.


📜 License & Author
Author: Wing4

Created: 2025-10