KorBERT를 활용한 한국어 텍스트 기반 위협 상황인지(2020 인공지능 그랜드 챌린지)
본 프로젝트는 ETRI에서 제공된 한국어 korBERT 모델을 활용하여 폭력 기반 한국어 텍스트를 분류하는 다양한 분류 모델들을 제공합니다.
본 개발자들이 참여한 2020 인공지능 그랜드 챌린지 4차 대회는 인공지능 기술을 활용하여 다양한 지역사회의 국민생활 및 사회현안을 대응하는 과제입니다. 그중 음성인지 트랙은 음성 클립에서 위협상황을 검출하고 해당 위협 상황을 구분하는 것이 목표로 하고 있습니다. 아래의 표는 본 대회에서 정의한 4가지의 폭력 Class이며 아래의 4가지 폭력 Class 외에 비폭력 Class가 추가되어 총 5개 Class의 폭력 또는 비폭력을 분류하는 것이 주된 목적입니다.
< 음성인지 분류대상 정의 >
추가적으로, 본 개발자들은 ETRI에서 작성된 사용협약서에 준수하여 pretrained 모델 및 정보에 관한 내용은 공개하지 않습니다. 해당 프로젝트를 쉽게 활용하기 위해서는 ETRI에서 제공하는 API를 활용하시면 되며, 다음 링크에서 서약서를 작성 후 키와 코드를 다운받으시면 되십니다. 본 프로젝트는 대회에서 적용한 여러 분류 모델들을 제공하며 앞서 다운로드한 ETRI에서 제공된 형태소 분석기와 토큰화를 사용하여 쉽게 실습할 수 있습니다.
분류 모델
Requirements
Python 3.7
Pytorch == 1.5.0
boto3
botocore
tqdm
requests
Models
본 프로젝트는 4가지의 분류 모델(MLP, CNN, LSTM, Bi-LSTM)을 활용하였습니다. 아래는 활용된 모델들의 전체적인 시나리오를 보여주는 개요도입니다.
1. MLP
< 활용된 MLP 모델 >
2. CNN
CNN은 해당 논문을 참고하였습니다. 더 자세한 내용은 논문에서 확인할 수 있습니다.
< 활용된 CNN 모델 >
3. LSTM
< 활용된 LSTM 모델 >
4. Bi-LSTM
< 활용된 Bi-LSTM 모델 >
Results
본 대회에서는 분류 결과를 Macro-F1 score에 의해 평가하였으며, Macro-F1 score는 아래와 같이 정의합니다. 이때, i는 각각의 폭력 및 비폭력 Class를 의미합니다.
< Macro-F1 Score >
위 식을 토대로, 저희의 분류 아래의 결과는 2020 인공지능 그랜드 챌린지 4차 대회 음성인지 트랙에서 본 팀에 대한 결과이며, 주최 측에서 테스트 데이터는 공개하지 않아 확인할 수 없습니다.
| Model | MLP [1] | CNN [2] | LSTM [3] | Bi-LSTM [4] |
|---|---|---|---|---|
| Macro F1-Score | 0.7029 | 0.615 | 0.7157 | 0.6935 |
48 Dec 30, 2022
78 Dec 29, 2022
10 Oct 10, 2022
232 Dec 24, 2022
![[NeurIPS 2020] Official repository for the project](https://github.com/henryxrl/Listening-to-Sound-of-Silence-for-Speech-Denoising/raw/main/assets/network.png)
40 Dec 20, 2022
114 Dec 12, 2022
43 Nov 27, 2022
35 Nov 17, 2022
21 Nov 20, 2022
14 Dec 3, 2022
20 Jul 29, 2022
128 Dec 8, 2022
565 Jan 4, 2023
24 Nov 24, 2022
2 Jan 5, 2023
82 Dec 29, 2022
2 Oct 20, 2021
29 Nov 13, 2022
5 Nov 9, 2022