README.md

---

language: ko
license: mit
tags:
  - pytorch
  - bert
  - text-classification
  - stance-detection
  - korean
  - news
datasets:
  - custom
metrics:
  - accuracy
model-index:
  - name: political-news-stance-classifier
    results:
      - task:
          type: text-classification
          name: Stance Classification
        metrics:
          - type: accuracy
            value: 91.6
            name: Test Accuracy
---


# Korean News Stance Classifier (한국어 뉴스 스탠스 분류기)

KoBERT 기반 한국어 정치 뉴스 스탠스(입장) 분류 모델입니다.

## Model Description

- **Base Model**: skt/kobert-base-v1
- **Tokenizer**: monologg/kobert (중요!)
- **Task**: 3-class stance classification (옹호/중립/비판)
- **Language**: Korean

## Performance

- **Test Accuracy**: 91.6%
- **Validation Accuracy**: 93.9%
- **Training Samples**: 5253

## Labels

| Label | Korean | English | Description |
|-------|--------|---------|-------------|
| 0 | 옹호 | support | 정부/여당 정책에 우호적 |
| 1 | 중립 | neutral | 객관적 사실 전달 |
| 2 | 비판 | oppose | 정부/여당 정책에 비판적 |

## Usage

```python

import torch

from transformers import AutoTokenizer



# 토크나이저 로드 (반드시 monologg/kobert 사용!)

tokenizer = AutoTokenizer.from_pretrained("monologg/kobert", trust_remote_code=True)



# 모델 로드

model = torch.load("pytorch_model.bin")

# 또는 state_dict 로드

# model.load_state_dict(torch.load("model.pth"))



# 예측

text = "정부의 새 정책이 경제 성장에 크게 기여할 것으로 기대된다"

inputs = tokenizer(text, return_tensors="pt", max_length=512, truncation=True, padding="max_length")



with torch.no_grad():

    outputs = model(inputs["input_ids"], inputs["attention_mask"])

    probs = torch.softmax(outputs, dim=1)

    pred = torch.argmax(probs, dim=1).item()



labels = ["옹호", "중립", "비판"]

print(f"Predicted: {labels[pred]} ({probs[0][pred].item()*100:.1f}%)")

```

## Important Notes

**토크나이저 주의사항**: 이 모델은 `monologg/kobert` 토크나이저로 학습되었습니다.
반드시 동일한 토크나이저를 사용해야 정확한 결과를 얻을 수 있습니다.

```python

# 올바른 사용법

tokenizer = AutoTokenizer.from_pretrained("monologg/kobert", trust_remote_code=True)



# 잘못된 사용법 (결과가 부정확함)

# tokenizer = AutoTokenizer.from_pretrained("skt/kobert-base-v1")

```

## Training Details

- **Epochs**: 16
- **Batch Size**: 16
- **Learning Rate**: 2e-05
- **Max Length**: 512
- **Dropout**: 0.3

## Citation

If you use this model, please cite:

```bibtex

@misc{korean-news-stance-classifier,

  title={Korean News Stance Classifier},

  author={Politics News Analysis Team},

  year={2024},

  publisher={HuggingFace}

}

```