AI 모델

AI 모델

iNotePal은 자연스러운 대화와 정확한 감정 분석을 위해 다양한 자연어 처리(NLP) 모델을 테스트하고 적용했습니다.

1. 감정 분석 모델 (Emotion Analysis)

사용자의 문장에서 감정을 추출하기 위해 BERT 기반 모델을 파인튜닝하여 사용했습니다.

• 모델: KoBERT, RoBERTa 등 다양한 모델 테스트.
• 학습 데이터: AI Hub 감성 대화 말뭉치 (약 4만 개 문장).
• 감정 분류: 기쁨, 당황, 분노, 불안, 상처, 슬픔, 중립 (7가지).
• 성능: 최종 정확도 약 70%.
• 특징: 한국어 자연어 처리에 특화된 전처리 과정을 거쳐 성능을 최적화했습니다.

2. 챗봇 대화 모델 (Chatbot Response)

사용자의 말에 적절하게 반응하기 위해 검색 기반(Retrieval-based) 방식을 채택했습니다.

시도했던 모델들

• KoGPT: 생성형 모델. 응답 시간이 길고, 문맥에 맞지 않는 엉뚱한 대답을 하는 경우가 있어 제외됨.
• Ko-Sentence-Transformers: 문장 임베딩 모델. 최종 채택.

최종 방식: 코사인 유사도 기반 검색

1. 데이터셋: ‘감성 대화 말뭉치’의 사람-챗봇 대화 쌍을 사용.
2. 임베딩: 사전에 모든 질문-답변 쌍을 벡터화하여 Supabase Vector DB에 저장.
3. 검색: 사용자 입력과 가장 코사인 유사도가 높은 질문을 찾고, 그에 매핑된 답변을 반환.
4. 장점: 서버 부하가 적고 응답 속도가 빠르며, 미리 정의된 양질의 답변을 제공할 수 있음.

데이터 전처리 및 학습

• 전처리: 불용어 제거, 특수문자 처리 등 한국어 특성에 맞는 전처리 수행.
• 데이터 증강: 데이터 부족 문제를 해결하기 위해 다양한 데이터 가공 시도.