gaaahee/political-news-stance-classifier

Korean News Stance Classifier (한국어 뉴스 스탠스 분류기)

KoBERT 기반 한국어 정치 뉴스 스탠스(입장) 분류 모델입니다.

Model Description

• Base Model: skt/kobert-base-v1
• Tokenizer: monologg/kobert (중요!)
• Task: 3-class stance classification (옹호/중립/비판)
• Language: Korean

Performance

• Test Accuracy: 91.6%
• Validation Accuracy: 93.9%
• Training Samples: 5253

Labels

Label	Korean	English	Description
0	옹호	support	정부/여당 정책에 우호적
1	중립	neutral	객관적 사실 전달
2	비판	oppose	정부/여당 정책에 비판적

Usage

import torch
from transformers import AutoTokenizer

# 토크나이저 로드 (반드시 monologg/kobert 사용!)
tokenizer = AutoTokenizer.from_pretrained("monologg/kobert", trust_remote_code=True)

# 모델 로드
model = torch.load("pytorch_model.bin")
# 또는 state_dict 로드
# model.load_state_dict(torch.load("model.pth"))

# 예측
text = "정부의 새 정책이 경제 성장에 크게 기여할 것으로 기대된다"
inputs = tokenizer(text, return_tensors="pt", max_length=512, truncation=True, padding="max_length")

with torch.no_grad():
    outputs = model(inputs["input_ids"], inputs["attention_mask"])
    probs = torch.softmax(outputs, dim=1)
    pred = torch.argmax(probs, dim=1).item()

labels = ["옹호", "중립", "비판"]
print(f"Predicted: {labels[pred]} ({probs[0][pred].item()*100:.1f}%)")

Important Notes

토크나이저 주의사항: 이 모델은 monologg/kobert 토크나이저로 학습되었습니다. 반드시 동일한 토크나이저를 사용해야 정확한 결과를 얻을 수 있습니다.

# 올바른 사용법
tokenizer = AutoTokenizer.from_pretrained("monologg/kobert", trust_remote_code=True)

# 잘못된 사용법 (결과가 부정확함)
# tokenizer = AutoTokenizer.from_pretrained("skt/kobert-base-v1")

Training Details

• Epochs: 16
• Batch Size: 16
• Learning Rate: 2e-05
• Max Length: 512
• Dropout: 0.3

Citation

If you use this model, please cite:

@misc{korean-news-stance-classifier,
  title={Korean News Stance Classifier},
  author={Politics News Analysis Team},
  year={2024},
  publisher={HuggingFace}
}