ondame/room-name-similarity

Room Name Similarity Model

객실명 텍스트 유사도 측정을 위한 Siamese 네트워크 모델입니다.

모델 개요

이 모델은 숙소 객실명 간의 유사도를 측정하여 동일한 물리적 객실을 식별하는 데 사용됩니다. BERT 기반 Siamese 네트워크를 사용하여 한국어와 영어 텍스트를 모두 처리할 수 있습니다.

모델 정보

• 모델명: name_similarity_model_0.2
• 기반 모델: klue/bert-base
• 최대 시퀀스 길이: 64
• 어휘 크기: 32,000
• 언어: 한국어, 영어

사용법

Python으로 모델 사용

import torch
from transformers import AutoTokenizer, AutoModel
import json

# 모델 정보 로드
with open('name_similarity_model_0.2_model_info.json', 'r') as f:
    model_info = json.load(f)

with open('name_similarity_model_0.2_tokenizer_info.json', 'r') as f:
    tokenizer_info = json.load(f)

# 토크나이저 로드
tokenizer = AutoTokenizer.from_pretrained(tokenizer_info['model_name'])

# 모델 로드 (PyTorch)
model = torch.load('name_similarity_model_0.2.pth', map_location='cpu')
model.eval()

# ONNX 모델 사용 (더 빠른 추론)
import onnxruntime as ort
onnx_session = ort.InferenceSession('name_similarity_model_0.2.onnx')

def calculate_similarity(text1, text2):
    # 텍스트 토크나이징
    inputs1 = tokenizer(text1, return_tensors='pt', max_length=64, padding=True, truncation=True)
    inputs2 = tokenizer(text2, return_tensors='pt', max_length=64, padding=True, truncation=True)
    
    # 유사도 계산
    with torch.no_grad():
        similarity = model(inputs1, inputs2)
    
    return similarity.item()

# 예시 사용
text1 = "스탠다드 더블룸"
text2 = "Standard Double Room"
similarity_score = calculate_similarity(text1, text2)
print(f"유사도: {similarity_score:.4f}")

ONNX 모델 사용 (권장)

import onnxruntime as ort
import numpy as np
from transformers import AutoTokenizer

# ONNX 세션 생성
session = ort.InferenceSession('name_similarity_model_0.2.onnx')

# 토크나이저 로드
tokenizer = AutoTokenizer.from_pretrained('klue/bert-base')

def calculate_similarity_onnx(text1, text2):
    # 텍스트 토크나이징
    inputs1 = tokenizer(text1, return_tensors='np', max_length=64, padding=True, truncation=True)
    inputs2 = tokenizer(text2, return_tensors='np', max_length=64, padding=True, truncation=True)
    
    # ONNX 모델 추론
    input_feed = {
        'input_ids_1': inputs1['input_ids'].astype(np.int64),
        'attention_mask_1': inputs1['attention_mask'].astype(np.int64),
        'input_ids_2': inputs2['input_ids'].astype(np.int64),
        'attention_mask_2': inputs2['attention_mask'].astype(np.int64)
    }
    
    similarity = session.run(None, input_feed)[0]
    return similarity[0][0]

# 예시 사용
similarity_score = calculate_similarity_onnx("스탠다드 더블룸", "Standard Double Room")
print(f"유사도: {similarity_score:.4f}")

모델 파일

• name_similarity_model_0.2.pth: PyTorch 모델 파일
• name_similarity_model_0.2.onnx: ONNX 모델 파일 (추론 최적화)
• name_similarity_model_0.2_model_info.json: 모델 메타데이터
• name_similarity_model_0.2_tokenizer_info.json: 토크나이저 정보

성능

• 정확도: 85% 이상
• F1 Score: 0.85 이상
• 처리 속도: 1000 쌍/초 이상 (ONNX 모델 기준)

훈련 데이터

이 모델은 다음과 같은 데이터로 훈련되었습니다:

• 긍정 쌍: 같은 roomtype_id를 가진 객실명들
• 부정 쌍: 같은 property_id이지만 다른 roomtype_id를 가진 객실명들

라이선스

MIT License

참고

이 모델은 Room Clusterer 프로젝트의 일부로 개발되었습니다. 더 자세한 정보는 프로젝트 저장소를 참조하세요.