nhyha/goorm

Kaggle LLM - AI 생성 text 감지를 위한 분류모델 경진대회

• url 주소 : https://www.kaggle.com/competitions/llm-detect-ai-generated-text/overview

• 순위 : (✔내용 추가 예정)

학습방법 및 실험내용

학습 키워드와 핵심역할 :

 텍스트 정제, 토큰화       : 이호열, 김소연
 단어 빈도 분석            : 황석준
 감정 분석                 : 이재영, 임예리
 난독화                    : 정현기

• 개요 (분류모델선정 이유 및 진행방향 요약)

  • LR, XGB
  • RF, CatBoost

• 데이터 EDA

  • train_essay : (✔내용 추가 예정)

    • target의 불균형 유무
    • 이상치 유무
    • Null 값의 유무
    • 학습데이터의 크기 (외부데이터 확보 필요유무)
    • 로그스케일링 등 인코딩 방법 선정 (캐글 트래킹)
    • 새로운 특성의 생성 유무

  • train_prompt : 해당 text의 주제. - 0 : Car-free cities - 1 : Does the electoral college work?

  • 전처리 진행

    • 텍스트 정제, 토큰화

      • (✔내용 추가 예정)

    • 단어 빈도 분석

      • (✔내용 추가 예정)

    • 감정 분석

      • (✔내용 추가 예정)

    • 난독화

      • (✔내용 추가 예정)
      • 'https://link.springer.com/article/10.1007/s40979-023-00146-z' 관련 논문 참고했습니다

    • Augmentation (보류)

      • 직접조사

• 모델학습

  • (✔내용 추가 예정)
  • (하이퍼파라미터, 학습률, 배치크기, 에포크 수)

• 추론 및 대처, discussion

  • accuracy 향상을 위한 노력

개발환경

라이브러리 버전

pip

실행방법

sample parameter 설정

Test 및 Inference

goorm's Issues

데이터 EDA

각자의 키워드에 맞춰 깊이 있는 학습 실시

텍스트 정제, 토큰화 : 이호열, 김소연
단어 빈도 분석 : 황석준
감정 분석 : 이재영, 임예리
난독화 : 정현기