프로젝트 정의

우울증 징후 판별을 위한 감성 분석 모델 개발

의료진과 환자 간 면담 기록 데이터화, 감성 분석 모델을 통해 감성 추출 후 우울증 확률 계산

담당 업무

1) 한국어 감성 class 정의

2) 데이터 수집

3) 감성 분류 모델 개발

(모델 개발 후 과제 배포 담당자에게 모델 인계)

사용 기술

1) 한국어 감성 분석 및 감정 표현 분류와 관련된 언어학 지식

2) NLP-classifiacation model 개발 기술(최종 모델: Koelectra)

3) Flask

개발 언어

python (framework: pytorch)

• class 정의:

  한국어 감성 분석 및 감정 표현 분류와 관련된 언어학 지식을 활용하여 34종, 8종의 한국어 감성 분류(class 정보는 하단 개발 로그에서 확인 가능)

• 데이터 수집:

  출처	수량
  data labeling 업체 수집 데이터(raw data: web crawling data)	302,028문장
  data labeling 업체 수집 데이터(raw data: aihub 한국어 SNS, 자유대화 데이터)	184,585문장
  aihub data (한국어 단발성 대화 데이터셋: 기쁨, 슬픔, 놀람, 분노, 공포, 혐오, 중립)	37,000문장
  aihub data (감성 대화 말뭉치: 기쁨, 당황, 분노, 불안, 상처, 슬픔)	28,000문장
  총 수량	551,613문장

• 모델 개발

  Electra 기반의 감성 분류 모델 개발. (BERT 버전도 개발하였지만 Electra 성능이 더 좋아 Electra로 최종 선택)

  34종, 8종 감성 분류 모델 성능 평가 결과 각각 f1-score 78, 84로 측정