- 현대인은 점점 정신 건강의 필요성이 증가하고 있습니다.
- 개인의 심리 상태를 이해하고 관리할 도구가 필요하지만, 시중에 존재하는 일기 및 감정 모니터링 도구들은 여러 단점을 가지고 있습니다.
- 기록이 번거로워 습관을 들이기 어려움
- 자가 보고형으로써 객관적인 감정 분석의 요소를 가지지 않음
- 기록 결과로부터 유의미한 분석을 얻기 힘듦
- 바쁜 현대인에게 편리하고 Interactive 한 하루 기록 서비스를 제공합니다.
- 대화형으로써 작문의 부담이 없습니다.
- 음성 인식 기능으로 키보드 없이 챗봇과 소통할 수 있습니다.
- 사용자 맞춤형의 페르소나를 가진 챗봇을 제공합니다.
- 사용자의 텍스트 데이터를 분석하여 자동으로 감정 상태를 평가하고, 감정 변화에 중심이 되는 사건 등의 키워드를 제공합니다.
- 시간에 따른 감정 변화를 모니터링 할 수 있습니다.
- 사용자는 자신의 감정을 자각하고 모니터링 할 수 있게 됩니다.
- 자신의 감정을 Triggering 하는 사건이나 단어를 발굴하고
- 자조집단 의 경험을 형성할 수 있습니다.
- 비슷한 감정을 가진 익명의 유저들과의 음성 소통
- 유저의 감정이 담긴 편지를 공유
- 결과적으로 Happy : Re 는 자신을 좀 더 깊게 이해하고, 바람직한 삶의 계획을 세우는 데 도움이 될 수 있습니다.
-
Happy: Re 에는 총 5종류의 해파리가 있습니다.
-
회원가입 시 간략한 테스트를 통해 알맞은 초기 해파리를 매칭해 줍니다.
-
메인 화면입니다.
-
메인 기능으로, 자신과 맞는 해파리와 채팅을 하며 오늘 하루를 정리할 수 있습니다.
-
오늘 하루의 이야기를 익명으로 공유하고, 다른 사람들의 이야기도 볼 수 있습니다.
-
자신과 비슷한 Russell 척도를 가진 익명의 유저들과 음성 채팅으로 서로의 이야기를 나눌 수 있습니다.
-
마음에 드는 유저 메세지와 키워드를 저장할 수 있습니다.
- Porting manual 을 참조하세요.
- 자세한 사용법은 시연 시나리오 를 참조하세요
- React
- Bootstrap
- WebRTC 실시간으로 WebSocket 연결 및 WebRTC 연결을 갱신하는 동적인 음성 대화 기능을 구현함
- FastAPI
- SpringBoot
- MySQL
- JPA
- Amazon S3
- LangChain
- 자체 AI 모델
- HuggingFace 및 PyTorch를 사용한 감정 인식 모델을 구현하고 Fine-Tuning 하였음
- 모델은 유저의 발언을 입력으로 받아 Russell's Model 모델에 대한 감정 예측 X값과 Y값을 출력함
- 데이터셋 및 훈련 방법
- 네이버 영화 리뷰 데이터를 수집하고 전처리(긍정도, X축)
- 대화 데이터셋을 수집하여 전처리(각성도, Y축)
- 총 약 16만 문장으로 러셀 척도에 대한 예측을 훈련시킴
- 평균 오차(L1 Loss) 0.13 ~ 0.14
- Layer-wise learning rate를 적용하여 Catastrophic forgetting을 최소화
- HuggingFace의 Trainer Class를 상속한 Custom Trainer class로 구현
- OPENAI API
- 챗봇 및 요약용 LLM 제공
- CLOVA Speech
- 음성 인식을 챗봇과의 대화에 활용
