README.md

metadata

pipeline_tag: text-classification
language: ko
license: cc-by-4.0
tags:
  - hate-speech
  - binary-classification
  - electra
  - korean
  - transformers
datasets:
  - jeanlee/kmhas_korean_hate_speech
model-index:
  - name: kmhas_electra_binary
    results:
      - task:
          name: Text Classification
          type: text-classification
        dataset:
          name: KMHAS Korean Hate Speech
          type: jeanlee/kmhas_korean_hate_speech
        metrics:
          - name: Accuracy
            type: accuracy
            value: 0.91
          - name: F1
            type: f1
            value: 0.91
          - name: Precision
            type: precision
            value: 0.91
          - name: Recall
            type: recall
            value: 0.91

KMHAS 한국어 혐오 발언 분류기 (이진 분류)

한국어 문장에서 혐오 발언 여부를 분류하는 이진 텍스트 분류 모델.
기반 모델: beomi/KcELECTRA-base-v2022 학습에는 KMHAS 한국어 혐오 표현 데이터셋 사용

---

학습 정보

• Train Set: 78,977개
• Validation Set: 8,776개
• Test Set: 21,939개
• Base Model: beomi/KcELECTRA-base-v2022
• Epochs: 5
• Batch Size: 16 (train/eval)
• Evaluation Strategy: 매 epoch마다 성능 평가
• Save Strategy: 매 epoch마다 저장 (최대 1개 유지)

---

성능 평가 (Test Set 기준)

Metric	Value
Accuracy	0.91
Precision	0.91
Recall	0.91
F1-score	0.91

클래스별 성능:

• hate: Precision 0.92 / Recall 0.91 / F1 0.92
• non-hate: Precision 0.90 / Recall 0.91 / F1 0.90

---

사용 예시

from transformers import AutoTokenizer, AutoModelForSequenceClassification

model = AutoModelForSequenceClassification.from_pretrained("now100/kmhas_electra_binary")
tokenizer = AutoTokenizer.from_pretrained("now100/kmhas_electra_binary")

text = "개새끼들이 나라를 망치고 있다."
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)

label = outputs.logits.argmax(dim=1).item()
print("예측 결과:", "non-hate" if label == 1 else "hate")