🗣 소통 활성화 협업툴, All-in-Space

🗣️ 프로젝트 파이프라인 및 진행 과정

서비스에 담을 핵심 기술 2개 확정: To-Do Clustering + Positive Feedback Loop Framework
To-Do Clustering
- 협업 팀에 속한 개인들이 각자 생각하는 이 팀에서 공동으로 달성해야 하는 목표, 분업이 필요한 업무(TODO)를 입력하도록 한다
- 입력을 하나의 거대한 리스트로 모아 Textual Clustering 진행
- Cluster 결과를 팀원들에게 공유해 팀에서 달성해야 한다고 생각하는 목표에 대한 Insight, 팀원들이 무엇을 공통으로 추구하고자 하는지에 대한 요약 정보를 제공 → 소통의 시작을 활성화할 수 있는 정보 제공

Positive Feedback Loop Framework
- 한가지의 공동 to-do task가 완료되면, 그 task에 대해 피드백 요청이 가능
- 팀의 나머지 팀원들이 task를 수행한 팀원에 대한 피드백을 기입 - 전달
- 전달 과정 사이에서 공격적인 발언을 탐지하는 모델 사용
- 공격적 발언 탐지 → 긍정적 피드백 효과를 방해하는 요소를 필터링하여 피드백 대상에게 전달 / 공격적 발언을 기입한 팀원에게 탐지 결과 전달 및 표현 지양 요청
- → 공격적 발언이 최소화되는 피드백을 주고받을 수 있도록 협업 과정에서 바람직한 방향의 소통 독려

Modeling 세부사항
- Clustering
- embedding : KoSBERT-KLUE-BERT-base 모델 사용
- Kmeans + K 설정하기 위해 Silhouette Score, early stopping 개념 응용
- Feedback Framework
- KcElectra 모델을 이용: 익명 피드백을 이루는 문장 당 공격적 발언인지에 대한 Binary Text Classification 수행
- KcBert 모델을 이용: 위에서 공격적 발언으로 탐지된 문장에 대하여 어떠한 유형의 공격적 발언인지 Multi-Label Classification 수행
- 피드백 작성한 팀원에게 긍정적 피드백 전달을 위한 교정 사항 전달 + 피드백 대상인 팀원에게 공격 발언을 제외한 피드백 모음 전달
- BEEP!, Apeach, Unsmile Dataset 등 여러 인터넷 상 혐오 발언, Hate-Speech에 대한 라벨링을 진행한 한국어 데이터셋을 이용하여 위 두 모델의 Fine-Tuning 진행
전체적 아키텍쳐
- 워크스페이스가 보여지는 모든 부분들은 React를 통해 구성
- 서버에서 정보를 저장 및 처리해주는 부분들은 모두 Spring으로 구현
- axios를 활용하여 http 통신을 진행, DB: MySQL 활용
- Pytorch를 활용한 NLP model: 별도의 flask 서버에 올려 함께 inference 된 결과값을 백엔드와의 통신을 통해 가져올 수 있도록 설계

React 프레임워크를 이용해 구축된 웹사이트를 이용하여 클러스터링 할 Todo, 작성한 피드백 내용 등의 input을 전송
Spring 기반의 백엔드 서버가 DB에 따로 저장을 한 후, 모델 서버(Flask)로 데이터를 전송
학습된 모델 서버에서의 inference를 통해 클러스터링 된 todo목록, 또는 필터링/탐지된 피드백 결과를 다시 벡엔드 서버에 전송 : 페이지를 통해 user에게 전달