Software & Data
커뮤니티가 실제로 쓰는 데이터셋과 코드 — 버전과 라이선스, 인용 정보를 갖췄습니다.
데이터셋
국내 최초의 레이블링된 한국어 보이스피싱 통화내용(전사) 데이터셋으로, v1.3부터 v3까지 버전을 거듭하며 확장되었습니다. 다중모달 연구를 위해 1,417건의 통화(보이스피싱 706 / 정상 711), 39,429개 발화 세그먼트, 총 66.9시간(16 kHz 모노) 분량의 오디오 코퍼스를 추가로 구축했습니다.
데이터셋
KorCCVi에 다국어 역번역과 SMOTE 증강을 적용한 데이터셋 — 원본 2,927건(보이스피싱 695 / 정상 2,232)과 약 3,502건의 증강 샘플로 구성되며, 2024년 11월 IEEE DataPort에 공개되었습니다.
코드
보이스피싱 논문 시리즈의 공개 코드 — ML/DL 텍스트 분류기, KoBERT, 어텐션 CNN-BiLSTM, 연합학습, 오디오·텍스트 다중모달 융합 모델을 포함합니다.
KorCCVi
KorCCVi는 버전을 거듭하며 성장해 왔습니다 — 버전별 규모 차이는 충돌이 아니라 의도된 릴리스 차이입니다.
| 버전 | 유형 | 규모 | 비고 |
|---|---|---|---|
| KorCCViD v1.3 | 텍스트 | 약 6,005행 | 레이블링된 통화 전사 — KorCCVi 라인의 최초 공개 버전 (KCC 2021에서 소개). |
| KorCCVi v2 / v2.1 | 텍스트 | 약 20,857행 | 확장된 전사 코퍼스. |
| KorCCVi v3 | 텍스트 | 약 18,646행 | 최신 텍스트 버전. |
| Audio corpus | 오디오 | 1,417통화 · 39,429세그먼트 · 66.9시간 | 16 kHz 모노 — 보이스피싱 706 / 정상 711 통화 (다중모달 연구 라인). |
| Augmented (IEEE DataPort) | 텍스트 | 원본 2,927 + 증강 약 3,502 | 다국어 역번역 + SMOTE 증강 · CC BY-NC-SA 4.0 · 2024년 11월 공개. |