README.md

metadata

title: Review Analyzer
emoji: 📝
colorFrom: blue
colorTo: green
sdk: gradio
sdk_version: 5.9.1
app_file: app.py
pinned: false

리뷰 자동 검수 서비스 (Review Analyzer)

한국어 리뷰를 3단계로 분석하는 AI 기반 자동 검수 시스템입니다. Hugging Face의 Zero-Shot Classification 모델을 활용하여 별도의 학습 데이터 없이도 정확한 분석이 가능합니다.

주요 기능

3단계 분석 시스템

1. 감정 분석 (Sentiment Analysis)

   • 긍정 / 중립 / 부정 분류
   • 신뢰도(confidence) 함께 표시

2. 카테고리 분석 (Category Classification)

   • 배송: 배송 속도, 포장 상태 등
   • 품질: 제품 품질, 내구성 등
   • 디자인: 외관, 색상, 스타일 등
   • 사이즈: 사이즈 적합성, 핏 등
   • 교환/환불: 반품, 교환 관련
   • 서비스: 고객 서비스, 응대 등
   • 가격: 가성비, 가격 만족도 등
   • 기능/성능: 작동, 효과, 사용감 등

3. 리뷰 톤 탐지 (Tone Detection)

   • 일반: 정상적인 리뷰
   • 불만: 명백한 불만사항 포함
   • 광고: 스팸/광고성 리뷰 탐지

기술 스택

모델: MoritzLaurer/mDeBERTa-v3-base-xnli-multilingual-nli-2mil7

다국어를 지원하는 DeBERTa 기반의 NLI(Natural Language Inference) 모델입니다.

• 선택 이유: 한국어를 포함한 다국어 zero-shot 분류에 최적화
• 장점: 별도 학습 없이도 한국어 리뷰의 미묘한 뉘앙스를 이해
• 성능: 2.7M개의 다국어 데이터로 사전 학습되어 높은 정확도

프레임워크: Transformers (Hugging Face)

• 선택 이유: 최신 NLP 모델을 간단한 API로 사용 가능
• 장점: pipeline API로 3줄의 코드만으로 모델 로딩 및 추론
• 생태계: 방대한 사전 학습 모델과 커뮤니티 지원

UI: Gradio

• 선택 이유: ML 모델을 빠르게 웹 인터페이스로 배포
• 장점:
  • Python 코드만으로 전문적인 UI 구현
  • 실시간 예측 결과 및 확률 분포 시각화
  • Hugging Face Spaces에 원클릭 배포 가능
• 사용성: 비개발자도 쉽게 사용 가능한 직관적 인터페이스

분류 방식: Zero-Shot Classification

• 선택 이유: 리뷰 데이터 라벨링 없이 즉시 사용 가능
• 장점:
  • 카테고리 텍스트만 수정하면 새로운 분류 기준 추가
  • 학습 데이터 수집 및 모델 재학습 불필요
  • 다양한 도메인에 즉시 적용 가능
• 유연성: 비즈니스 요구사항 변경 시 코드 수정만으로 대응

주요 특징

Zero-Shot Classification

• 별도의 학습 데이터 없이 카테고리 정의만으로 분류 가능(핵심)
• 새로운 카테고리 추가가 용이함
• 다국어 모델 사용으로 한국어 리뷰 정확도 향상