docs: 한국어 감정 분류 모델 ONNX 변환 작업 문서 추가

- nlp04/korean_sentiment_analysis_kcelectra 모델 선정 과정
- 11개 감정 카테고리 ONNX 변환 완료 (488MB)
- skill-embedding 서비스 통합 방법 제시
- 11개 → 5개 기본 감정 매핑 규칙 정의

troubleshooting/250808_claude_감정모델ONNX변환.md

@@ -0,0 +1,142 @@
+# 한국어 감정 분류 모델 ONNX 변환 작업
+
+작성일: 2025년 8월 8일  
+작성자: Claude (51124 서버)
+
+## 작업 배경
+
+rb10508_micro의 감정 시스템이 균등 분포 임시 코드를 사용 중이어서 실제 감정 분류 모델 통합이 필요했음.
+
+## 작업 과정
+
+### 오후 12시 10분 - 감정 모델 조사
+
+한국어 감정 분류 모델 후보군 조사:
+1. **nlp04/korean_sentiment_analysis_kcelectra** - F1 70.72%, MIT 라이센스
+2. **monologg/koelectra-base-v3-goemotions** - 28개 감정, 라이센스 불명확
+3. **hun3359/klue-bert-base-sentiment** - 60개 감정, F1 29.10%
+4. **tabularisai/multilingual-sentiment-analysis** - 5개 감정, 541MB
+
+1순위로 nlp04/korean_sentiment_analysis_kcelectra 선정.
+
+### 오후 12시 16분 - 모델 다운로드 및 ONNX 변환
+
+```bash
+cd /home/admin/ivada_project/onnx_models
+mkdir -p korean-sentiment-kcelectra
+```
+
+모델 정보:
+- **레이블 수**: 11개
+- **감정 카테고리**:
+  - 0: 기쁨(행복한)
+  - 1: 고마운
+  - 2: 설레는(기대하는)
+  - 3: 사랑하는
+  - 4: 즐거운(신나는)
+  - 5: 일상적인
+  - 6: 생각이 많은
+  - 7: 슬픔(우울한)
+  - 8: 힘듦(지침)
+  - 9: 짜증남
+  - 10: 걱정스러운(불안한)
+
+ONNX 변환 완료:
+- **모델 크기**: 488MB
+- **토크나이저**: 저장 완료
+- **최대 시퀀스 길이**: 512
+
+### 오후 12시 20분 - skill-embedding 구조 확인
+
+skill-embedding 서비스 분석 결과:
+- `/app/embedder.py`: ONNXEmbedder 클래스 이미 구현됨
+- `/app/http_embedding_function.py`: HTTPEmbeddingFunction 클래스 구현됨
+- 포트 8015에서 실행 중
+
+별도 유틸리티 파일 생성 불필요함을 확인.
+
+### 오후 12시 30분 - 트러블슈팅 문서 수정
+
+`250804_claude_ONNX임베딩경량화.md` 문서에서 잘못된 참조 수정:
+- `onnx_embedder.py`, `chroma_onnx_function.py`는 별도 파일로 생성되지 않음
+- 실제로는 skill-embedding 서비스에 직접 구현됨
+
+## 준비된 모델 구조
+
+```
+/home/admin/ivada_project/onnx_models/
+├── multilingual-MiniLM-L12-v2/     # 임베딩 모델 (기존)
+│   ├── model.onnx (449MB)
+│   └── tokenizer 파일들
+└── korean-sentiment-kcelectra/     # 감정 모델 (신규)
+    ├── model.onnx (488MB)
+    ├── model_info.json
+    └── tokenizer 파일들
+```
+
+## 다음 단계 (로컬 개발자 작업)
+
+### 1. skill-embedding 서비스 수정
+
+새 엔드포인트 추가 예시:
+```python
+# /app/emotion.py (신규)
+class ONNXEmotionClassifier:
+    def __init__(self, model_dir="/models/onnx/korean-sentiment-kcelectra"):
+        # ONNX 세션 초기화
+        # 토크나이저 로드
+        pass
+    
+    def predict(self, text):
+        # 11개 감정 분류
+        pass
+    
+    def map_to_basic_emotions(self, text):
+        # 11개 → 5개 기본 감정 매핑
+        pass
+
+# /app/main.py에 추가
+@app.post("/emotion")
+async def analyze_emotion(request: TextRequest):
+    emotions = classifier.predict(request.text)
+    return {"emotions": emotions}
+```
+
+### 2. rb10508_micro 수정
+
+```python
+# app/core/emotion/base.py
+async def analyze_basic_emotions(text: str) -> List[float]:
+    """skill-embedding 서비스 호출"""
+    response = await http_client.post(
+        "http://skill-embedding:8015/emotion",
+        json={"text": text}
+    )
+    return response.json()["emotions"]
+```
+
+### 3. 11개 → 5개 감정 매핑 규칙
+
+```python
+mapping = {
+    'joy': ['기쁨(행복한)', '고마운', '설레는(기대하는)', '사랑하는', '즐거운(신나는)'],
+    'sadness': ['슬픔(우울한)', '힘듦(지침)'],
+    'anger': ['짜증남'],
+    'fear': ['걱정스러운(불안한)'],
+    'neutral': ['일상적인', '생각이 많은']
+}
+```
+
+## 교훈
+
+1. **문서의 정확성**: 트러블슈팅 문서는 실제 구현과 일치해야 함
+2. **기존 서비스 활용**: skill-embedding 서비스가 이미 ONNX 처리 기능을 갖추고 있어 재사용 가능
+3. **모델 선정 기준**: 라이센스, 성능, 검증도, 크기를 종합적으로 고려
+4. **ONNX 변환 이점**: PyTorch 의존성 제거로 경량화 달성
+
+## 성과
+
+- 한국어 감정 분류 모델 ONNX 변환 완료
+- 11개 세밀한 감정 분류 가능
+- skill-embedding 서비스와 통합 준비 완료
+- rb10508_micro의 임시 균등 분포 코드 대체 가능