대화형 정서지지 챗봇 개발 기록 | 손재민
핵심 성과 요약 (Key Highlights)
- KoBERT 파인튜닝으로 한국어 6-클래스 감정 분류기 구현 — AI Hub 감성대화 말뭉치 약 5.2만 건을 직접 수집·전처리하여 학습 데이터로 가공
- 과적합 진단 후 개선 사이클 완주 — Epoch별 Training/Validation Loss를 분석해 과적합을 식별하고, 에폭 조정으로 재학습하여 정확도 56.54% → 57.40% 개선 (Validation Loss 1.451 → 1.135)
- 데이터 불균형 문제 식별 — 감정 클래스 분포의 불균형(기쁨 6,126 vs 불안 9,319)을 관찰하고 성능 한계의 원인으로 진단, 후속 개선 과제로 정리
- 핵심 스택 — Python, pandas, NumPy, PyTorch, HuggingFace Transformers, Colab(GPU), Git/GitHub
- 문제 해결 기록 — 개발 과정의 트러블슈팅 23건을 원인·해결 중심으로 문서화 (하단 참고)
📎 현재 Phase 4(위기감지 게이트)까지 완성했으며, 이후 위기 탐지 게이트·LLM 연동·데모(Streamlit) 단계는 진행 예정입니다. 아래는 개념 이해 중심의 전체 개발 로그입니다.
이 페이지는 Daon(다온) 프로젝트의 학습 기록, 개발 일지, 기술 정리를 위한 허브입니다. GitHub 레포의 README와 연동하여 관리합니다.
📌 프로젝트 한눈에 보기
| 항목 |
내용 |
| 프로젝트명 |
Daon (다온) |
| 유형 |
대화형 정서지지 챗봇 |
| 엔진 |
하이브리드 (LLM API + 직접 학습 분류기) |
| 핵심 가치 |
Safety-First (위기 탐지 게이트) |
| 기간 |
방학 프로젝트 |
| 목표 우선순위 |
포트폴리오 완성도 > 실서비스 > DS 학습 |
🎯 장기 비전 — 야구선수 멘탈 지원
Daon은 범용 멘탈케어 엔진이자 포트폴리오. 최종 목표는 아웃소싱 사업과 병행해 이 엔진을 야구선수 멘탈 지원 서비스로 확장하는 것. 설계 판단마다 "야구 버전에서도 쓸 수 있나?"를 기준으로 확인한다.
단계
- 지금 — Daon 완성: 범용 엔진 + 포트폴리오. 검증된 엔진 = 아웃소싱 수주의 근거
- 1단계 — 아마추어 (고교·대학·아카데미): 멘탈 지원 공백이 크고, 진학·드래프트·부상·출전 경쟁·지도자 관계 등 고민 밀도가 높음
- 2단계 — 프로 확장: 아마추어 때 쓰던 선수의 연속성 + 쌓인 사례·데이터로 구단 설득