README.md

---
language:
- ko
license: other
library_name: transformers
pipeline_tag: text-classification
base_model: klue/bert-base
tags:
- bert
- klue
- korean
- text-classification
- minwon
- complaint
- public-administration
---

# MindE 민원 분류기 (bert-v9)

한국 공공 민원을 **11개 카테고리**로 자동 분류하는 KLUE BERT 기반 모델.

## 카테고리 (11)

| ID | 카테고리 | per-class F1 |
|---:|---|---:|
| 1 | 교통 | 0.882 |
| 2 | 건축 | 0.755 |
| 3 | 행정 | 0.812 |
| 4 | 보건위생 | 0.911 |
| 5 | 환경 | 0.874 |
| 6 | 문화_여가 | 0.825 |
| 7 | 농축산 | 0.909 |
| 8 | 복지 | 0.866 |
| 9 | 세무 | 0.974 |
| 10 | 상하수도 | 0.921 |
| 11 | 경제 | 0.874 |

**Test set (20,788건)**
- Accuracy: **0.871**
- Macro F1: **0.873**
- Weighted F1: 0.871

## 학습 데이터

- AI Hub 143번 "민원 업무 효율, 자동화를 위한 언어 AI 학습데이터" (~86만 건, 18 카테고리 → 11 매핑)
- group_id 단위 8:1:1 분할 + 카테고리당 train 20k cap
- 마스킹 토큰(`#@주소#` 등) → special token(`[ADDR]` 등) 치환

## 학습 설정

- Base: `klue/bert-base`
- max_length: 128
- batch_size: 32
- epochs: 3
- learning_rate: 2e-5
- warmup_ratio: 0.1
- weight_decay: 0.01
- 학습 시간: ~45분 (RTX 4060 Ti)

## 사용 예시

```python
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

tokenizer = AutoTokenizer.from_pretrained("atti433/minde-classifier")
model = AutoModelForSequenceClassification.from_pretrained("atti433/minde-classifier")

text = "집 앞에 차가 자꾸 불법주차해서 너무 불편합니다."
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=128)
with torch.no_grad():
    logits = model(**inputs).logits
probs = torch.softmax(logits, dim=-1)
labels = ['교통','건축','행정','보건위생','환경','문화_여가','농축산','복지','세무','상하수도','경제']
pred = labels[probs.argmax().item()]
print(pred, probs.max().item())
```

또는 본 프로젝트의 `chatbot_service.classify_complaint()` 사용.

## 한계

- 학습 데이터(AI Hub 143)는 창원시 민원 중심이라 지역 어휘 편향 가능
- "건축" 카테고리 F1 0.755가 가장 낮음 — 안전건설과 raw_category에 도로/시설 민원이 섞여있던 라벨 노이즈 영향
- 동음이의/짧은 텍스트(예: "신호등")는 confidence 낮음. top-3로 받아서 LLM이 판단 권장