---
language: ko
license: mit
tags:
  - sentiment
  - korean
  - finance
  - binary-classification
  - text-classification
datasets:
  - custom
pipeline_tag: text-classification
widget:
  - text: "환율 급등 우려로 시장 불안이 커지고 있다."
  - text: "주가 상승 기대감에 투자심리가 개선되고 있다."
---

# FinBERT Sentiment KO (Binary) - `finbert-sentiment-ko-binary`

🧠 **FinBERT 기반 한국어 감정 분석 이진 분류 모델 (긍정/부정)**

이 모델은 `snunlp/KR-FinBERT-SC`를 기반으로 파인튜닝된 모델로, **환율 뉴스에 대한 긍정/부정 감정 분류**를 수행합니다.  
`중립` 라벨은 제외하고, 오직 긍정(1)과 부정(0) 두 가지 감정만 예측하도록 학습되었습니다.

---

## 🔧 모델 구조

- **Base model**: [`snunlp/KR-FinBERT-SC`](https://huggingface.co/snunlp/KR-FinBERT-SC)
- **Task**: Text Classification (Binary Sentiment)
- **Classes**:
  - `0`: 부정 (Negative)
  - `1`: 긍정 (Positive)

---

## 📊 성능 평가

테스트셋 기준 성능 (42개 샘플):

| Metric         | Score |
|----------------|-------|
| Accuracy       | 0.95  |
| Precision (부정) | 0.92 |
| Recall (부정)    | 1.00 |
| F1-score (부정) | 0.96 |
| Precision (긍정) | 1.00 |
| Recall (긍정)    | 0.89 |
| F1-score (긍정) | 0.94 |

---

## 🧪 사용 예시

```python
from transformers import pipeline

classifier = pipeline("text-classification", model="DataWizardd/finbert-sentiment-binary")

print(classifier("환율 급등 우려로 시장 불안이 커지고 있다."))
# 출력 예시: [{'label': 'LABEL_0', 'score': 0.98}]  ← 부정

print(classifier("환율 급락이 예상된다."))
# 출력 예시: [{'label': 'LABEL_1', 'score': 0.95}]  ← 긍정