KoBERT 모델을 fine-tuning하여 특허의 초록을 기반으로 해당 특허의 IPC 코드를 분류하는 multi-label classification 모델
- 2023-10-25 ~ 2023-12-07
Python 3.8.18
- IDE : PyCharm 2023.2.5
- KoBERT 레포지토리의 파일을 로컬 환경에 설치하여 사용
- import 시 설치한 KoBERT 파일의 수정 필요
- Google Colab에서 실행하려면 수정 필요
- 데이터는
pp_b.csv
파일과ipc_b.txt
파일 - csv 파일은 '초록', 'ipc코드' 2개의 열로 구성
- 초록에는 전처리를 마친 해당 특허의 초록이 존재
- ipc코드에는 [0, 0, 1, ..., 0]과 같이 해당하는 label은 1, 해당하지 않는 label은 0으로 binary하게 coding 되어 있음
- txt 파일은 해당 데이터에 존재하는 ipc 코드의 dictionary
- 손실함수로는 Balanced focal loss 사용
- 평가 지표로는 Accuracy를 사용하였으나, F1 score등의 기타 metric 권장
- Epoch 하나 당 약 40분 소요 (학습 환경에 따라 달라질 수 있음)
- 학습 후 최적의 모델을
bert_b.pth
로 저장