Update README.md

README.md

@@ -16,9 +16,9 @@ pipeline_tag: text-generation
 
 # Qwen3-1.7B News Event Extraction Model
 
-이 모델은 Qwen/Qwen3-1.7B를 기반으로 한국어 뉴스 텍스트 분석 및 이벤트 추출을 위해 LoRA 방식으로 파인튜닝된 모델입니다.
+이 모델은 **Qwen/Qwen3-1.7B**를 기반으로 한국어 뉴스 텍스트 분석 및 이벤트 추출을 위해 **LoRA** 방식으로 파인튜닝된 모델입니다.
 
-## 모델 기능
+## ✨ 모델 기능
 
 - **뉴스 카테고리 분류**: 부동산, 산업, 오피니언, 증권 카테고리로 분류
 - **핵심 이벤트 추출**: 뉴스 텍스트에서 주요 이벤트들을 추출
@@ -26,6 +26,9 @@ pipeline_tag: text-generation
 
 ## 사용법
 
+### 기본 설정
+
+```python
 import torch
 from transformers import AutoTokenizer, AutoModelForCausalLM
 import json
@@ -38,8 +41,10 @@ model = AutoModelForCausalLM.from_pretrained(
     torch_dtype="auto",
     device_map="auto"
 ).eval()
+```
 
-# 시스템 프롬프트 정의
+### 시스템 프롬프트 
+```python
 system_prompt = """당신은 뉴스 텍스트를 분석하여 카테고리를 분류하고 주요 핵심 이벤트들을 추출하는 전문 분석 시스템입니다.
 주어진 텍스트를 분석하여 반드시 파이썬의 dictionary 형식으로 결과를 작성하십시오.
 
@@ -49,8 +54,10 @@ system_prompt = """당신은 뉴스 텍스트를 분석하여 카테고리를
 {"category": "['부동산', '산업', '오피니언', '증권'] 중 하나",
 "event_count": "핵심 이벤트 개수(정수)",
 "events": ["이벤트1", "이벤트2", ...]}"""
+```
 
-# 분석 함수
+### ineference 
+```python
 def generate_analysis(model, tokenizer, text, system_prompt):
     messages = [
         {"role": "system", "content": system_prompt},
@@ -79,8 +86,11 @@ def generate_analysis(model, tokenizer, text, system_prompt):
     decoded_output = tokenizer.decode(output_ids, skip_special_tokens=True).strip()
     
     return decoded_output
+```
 
-# 사용 예시
+## 사용예시 
+```python
+# 샘플 뉴스 텍스트
 news_text = """
 삼성전자가 3분기 실적 발표에서 메모리 반도체 부문의 회복세를 보고했다. 
 회사는 D램 가격이 전분기 대비 15% 상승했으며, 낸드플래시 출하량도 20% 증가했다고 밝혔다.
@@ -90,15 +100,23 @@ news_text = """
 # 분석 실행
 result = generate_analysis(model, tokenizer, news_text, system_prompt)
 
-# 결과 파싱
+# 결과 파싱 및 출력
 if "답변:" in result:
     json_part = result.split("답변:")[-1].strip()
     parsed_result = json.loads(json_part)
     
-    print(f"카테고리: {parsed_result['category']}")
-    print(f"이벤트 개수: {parsed_result['event_count']}")
+    print(f" 카테고리: {parsed_result['category']}")
+    print(f" 이벤트 개수: {parsed_result['event_count']}")
     print("이벤트 목록:")
     for i, event in enumerate(parsed_result['events'], 1):
-        print(f"  {i}. {event}")
-
-Apache 2.0 License
+        print(f"   {i}. {event}")
+```
+## 출력예시 
+```python
+ 카테고리: 산업
+ 이벤트 개수: 3
+ 이벤트 목록:
+   1. D램 가격이 전분기 대비 15% 상승
+   2. 낸드플래시 출하량이 20% 증가
+   3. HBM 매출이 전년 동기 대비 300% 급증
+```