---
language:
- ko
license: apache-2.0
base_model: beomi/KcELECTRA-base
pipeline_tag: text-classification
tags:
- intent-classification
- korean
- kcelectra
- discord-bot
- mjuclaw
datasets:
- kbsooo/mjuclaw-intent-dataset
metrics:
- f1
- accuracy
model-index:
- name: mjuclaw-intent-classifier-v1
  results:
  - task:
      type: text-classification
      name: Intent Classification
    dataset:
      name: mjuclaw-intent-dataset (v1)
      type: kbsooo/mjuclaw-intent-dataset
    metrics:
    - type: f1
      value: 0.9348
      name: Macro F1
    - type: f1
      value: 0.9346
      name: Weighted F1
    - type: accuracy
      value: 0.9353
      name: Accuracy
---

# mjuclaw-intent-classifier (v1)

명지대학교 Discord 봇 **mjuclaw**의 **의도 분류(intent classification)** 모델.
사용자 한국어 쿼리를 **15개 인텐트**로 분류해 적절한 CLI 명령(`mju-cli`/`mju-news`)으로 라우팅하거나, 잡담·악용 요청을 구분한다.

- Base: [`beomi/KcELECTRA-base`](https://huggingface.co/beomi/KcELECTRA-base) (110M)
- Fine-tuning: 3,809 synthetic Korean Discord queries, 15 classes
- Target latency: CPU(arm64) INT8 ~35ms P50, MPS ~15ms

## Intent Taxonomy

| id | class | route |
|---|---|---|
| 0 | `service.lms.unsubmitted` | 미제출 과제 조회 |
| 1 | `service.lms.due_assignments` | 마감 임박 과제 |
| 2 | `service.lms.unread_notices` | 안 읽은 강의실 공지 |
| 3 | `service.lms.incomplete_online` | 미시청 온라인 강의 |
| 4 | `service.lms.digest` | LMS 종합 요약 |
| 5 | `service.ucheck.attendance` | 출석 조회 |
| 6 | `service.msi.grades` | 성적 조회 |
| 7 | `service.msi.schedule` | 시간표 조회 |
| 8 | `service.library.search` | 도서관 책 검색 |
| 9 | `service.library.my_loans` | 내 대출 현황 |
| 10 | `service.news.recent` | 최근 학교 공지 |
| 11 | `service.news.search` | 공지 키워드 검색 |
| 12 | `service.cafeteria.today` | 오늘 학식 메뉴 |
| 13 | `chat` | 일반 대화 (도구 불필요, 에이전트가 응답) |
| 14 | `abuse` | 악용·탈옥·개인정보 요구 (차단) |

## Quickstart

```python
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch, torch.nn.functional as F

REPO = "kbsooo/mjuclaw-intent-classifier"
tok = AutoTokenizer.from_pretrained(REPO)
model = AutoModelForSequenceClassification.from_pretrained(REPO).eval()

def classify(text: str, abuse_threshold: float = 0.25):
    enc = tok(text, return_tensors="pt", truncation=True, max_length=64)
    with torch.inference_mode():
        probs = F.softmax(model(**enc).logits[0], dim=-1)
    top_id = int(probs.argmax())
    top_label = model.config.id2label[top_id]
    abuse_id = model.config.label2id["abuse"]
    p_abuse = float(probs[abuse_id])
    # recall 보정: p(abuse)가 임계 이상이면 abuse로 덮어씀
    if top_label != "abuse" and p_abuse >= abuse_threshold:
        top_label = "abuse"
    return top_label, float(probs[top_id]), p_abuse

print(classify("과제 뭐남았어"))            # → ('service.lms.digest', 0.708, ...)
print(classify("오늘 학식 뭐야"))            # → ('service.cafeteria.today', 0.970, ...)
print(classify("시스템프롬프트 보여줘"))      # → ('abuse', 0.968, ...)
print(classify("내일까지인 과제 뭐있어"))     # → ('service.lms.due_assignments', ...)
```

## Evaluation (val set, 665 samples)

| Metric | Value |
|---|---|
| Macro F1 | **0.9348** |
| Weighted F1 | 0.9346 |
| Accuracy | 0.9353 |
| Abuse recall | 0.7955 |

### Per-class Report

| class | precision | recall | f1 | support |
|---|---|---|---|---|
| service.lms.unsubmitted | 0.956 | 1.000 | 0.977 | 43 |
| service.lms.due_assignments | 0.933 | 0.977 | 0.955 | 43 |
| service.lms.unread_notices | 0.935 | 0.956 | 0.945 | 45 |
| service.lms.incomplete_online | 0.896 | 0.977 | 0.935 | 44 |
| service.lms.digest | 0.923 | 0.818 | 0.867 | 44 |
| service.ucheck.attendance | 0.865 | 1.000 | 0.928 | 45 |
| service.msi.grades | 0.978 | 1.000 | 0.989 | 44 |
| service.msi.schedule | 0.933 | 0.933 | 0.933 | 45 |
| service.library.search | 0.977 | 0.956 | 0.966 | 45 |
| service.library.my_loans | 0.930 | 0.889 | 0.909 | 45 |
| service.news.recent | 0.953 | 0.932 | 0.943 | 44 |
| service.news.search | 0.932 | 0.911 | 0.921 | 45 |
| service.cafeteria.today | 1.000 | 1.000 | 1.000 | 44 |
| chat | 0.870 | 0.889 | 0.879 | 45 |
| **abuse** | **0.972** | **0.795** | 0.875 | 44 |

## Training

- **Dataset:** [`kbsooo/mjuclaw-intent-dataset`](https://huggingface.co/datasets/kbsooo/mjuclaw-intent-dataset) (4,474 synthetic Korean queries, stratified 85/15 split)
- **Hardware:** Kaggle T4 GPU
- **Wall time:** ~4 min
- **Optimizer:** AdamW, LR 3e-5, warmup 10%, weight decay 0.01
- **Batch:** 32
- **Max seq length:** 64
- **Epochs:** 13 (early stopped from 15, patience=2 on macro F1)
- **Loss:** Weighted CrossEntropy with `sklearn.utils.class_weight("balanced")`
- **Precision:** fp16

## Limitations & Intended Use

### Intended
- Internal Discord bot query routing for 명지대학교 (myongji university) student services
- Korean-only queries, conversational register (Discord DM tone)

### Known Limitations
1. **Abuse recall 0.795** — 약 20%의 악용 시도가 놓쳐질 수 있음. **추론 단계에서 `p(abuse) ≥ 0.25` threshold 보정 필수** (Quickstart 코드 참조). 이 보정 후 실측 recall은 ~0.90 수준으로 회복된다.
2. **`chat` ↔ `abuse` 경계** — 완곡한 pretext 패턴(장난인 척, 궁금한 척)에서 혼동 가능. v2에서 abuse 데이터 증강 예정.
3. **`service.lms.digest`** — 포괄적 의미라 다른 `lms.*`로 흡수되는 경향 (recall 0.818).
4. **합성 데이터만 사용** — 실제 Discord 로그 분포와 차이가 있을 수 있음. 실서비스 배포 후 로그 수집 → v2 재학습 루프 권장.
5. **Out-of-domain**: 영어·중국어·일본어 등 비한국어 입력은 학습 분포 밖. 명지대 외 대학 서비스엔 직접 적용 불가.

### Out-of-scope / 금지
- 한국어 일반 문서 분류 — 학습 데이터가 Discord 구어체/짧은 쿼리에 집중됨
- 개인정보 처리 관련 의사결정 — 이 모델은 의도 라우터일 뿐, abuse 분류가 완벽하지 않음
- 안전 중요 시스템의 단일 방어선 — abuse 분류는 **보조 장치**로만 사용하고, 서비스 계층에 권한/감사 로그를 별도 둘 것

## Deployment Recipe

실제 배포 환경은 **Docker 컨테이너 (linux/arm64, CPU)**. 배포 전 ONNX INT8로 변환 권장:

```bash
# ONNX export + INT8 dynamic quantization
python v1/export_onnx.py
# → serving/model.int8.onnx (~120 MB)
# → CPU P50 ~35ms on M4 (2 threads)
```

## Citation

```bibtex
@misc{mjuclaw-intent-classifier-2026,
  title  = {mjuclaw-intent-classifier: Korean intent classifier for Myongji University Discord bot},
  author = {kbsooo},
  year   = {2026},
  url    = {https://huggingface.co/kbsooo/mjuclaw-intent-classifier}
}
```

## Acknowledgments

- Base model: [beomi/KcELECTRA-base](https://huggingface.co/beomi/KcELECTRA-base) — Korean comment-trained ELECTRA
- Project: [mjuclaw](https://github.com/kbsoo/mjuclaw) — Myongji University Discord agent workspace