TextBlob을 사용하여 사용자 리뷰를 분석하고 분류하는 감성 분석 도구 만들기

728x90

TextBlob을 사용하여 사용자 리뷰를 분석하고 분류하는 감성 분석 도구 만들기

Overview

TextBlob은 자연어 처리(NLP)를 쉽게 수행할 수 있도록 도와주는 파이썬 라이브러리입니다. 감성 분석(sentiment analysis)은 사용자 리뷰나 소셜 미디어 게시물 같은 텍스트 데이터의 감정을 파악하고 분석하는 중요한 작업입니다. 이번에는 TextBlob을 사용하여 감성 분석 도구를 만드는 방법에 대해 자세히 설명하겠습니다.

1. TextBlob 소개

TextBlob은 간단하게 사용할 수 있는 NLP 라이브러리로, 감성 분석, 명사 구 추출, 번역, 요약 등 다양한 기능을 제공합니다. 설치와 사용이 매우 간편하여 NLP 작업을 처음 접하는 개발자에게 적합합니다.

설치 방법

pip install textblob

2. TextBlob 기본 사용법

TextBlob을 사용하여 감성 분석을 시작하려면 기본적인 사용법을 알아야 합니다. TextBlob은 텍스트를 입력받아 긍정적(positive), 부정적(negative), 중립적(neutral) 감정을 분석할 수 있습니다.

기본 코드 예제

from textblob import TextBlob

# 분석할 텍스트
text = "I love this product! It's amazing."

# TextBlob 객체 생성
blob = TextBlob(text)

# 감성 분석
sentiment = blob.sentiment
print(sentiment)

위 코드는 TextBlob 객체를 생성하고 sentiment 속성을 통해 감성 분석 결과를 출력합니다. sentiment는 두 가지 속성을 포함합니다:

polarity: -1(부정)에서 1(긍정) 사이의 값. 텍스트의 감정 극성을 나타냅니다.
subjectivity: 0(객관적)에서 1(주관적) 사이의 값. 텍스트가 주관적일수록 값이 1에 가까워집니다.

3. 감성 분석의 세부 구현

실제 애플리케이션에서 사용자 리뷰를 분석하려면, 텍스트 데이터를 사전 처리하고 TextBlob을 사용하여 분석을 수행해야 합니다.

데이터 사전 처리

사전 처리 단계에서 불필요한 기호나 숫자를 제거하고, 텍스트를 정제하는 과정이 필요합니다. 예를 들어, 사용자 리뷰가 담긴 CSV 파일을 처리한다고 가정해 보겠습니다.

코드 예제

import pandas as pd
from textblob import TextBlob

# CSV 파일 로드
df = pd.read_csv('user_reviews.csv')

# 리뷰 텍스트 열 추출
reviews = df['review_text']

# 감성 분석 함수 정의
def analyze_sentiment(text):
blob = TextBlob(text)
return blob.sentiment.polarity, blob.sentiment.subjectivity

# 리뷰 분석 및 결과 저장
df[['polarity', 'subjectivity']] = df['review_text'].apply(lambda x: analyze_sentiment(x)).apply(pd.Series)

# 결과 출력
print(df.head())

위 코드에서는 pandas를 사용하여 CSV 파일에서 사용자 리뷰를 로드하고, 각 리뷰에 대해 감성 분석을 수행한 후, 결과를 새로운 열로 추가합니다.

4. 감성 분석 결과 활용

감성 분석 결과를 바탕으로 리뷰를 긍정적, 부정적, 중립적으로 분류하거나, 평균 감성 점수를 계산하여 제품이나 서비스의 전반적인 만족도를 평가할 수 있습니다.

예제

# 감성 점수 기준 설정
def classify_sentiment(polarity):
if polarity > 0.1:
return 'Positive'
elif polarity < -0.1:
return 'Negative'
else:
return 'Neutral'

# 리뷰 분류
df['sentiment_category'] = df['polarity'].apply(classify_sentiment)

# 결과 출력
print(df[['review_text', 'sentiment_category']].head())

이 코드는 감성 점수에 따라 리뷰를 긍정적, 부정적, 중립적으로 분류하는 함수입니다. 결과를 sentiment_category 열에 저장합니다.

5. 에러 처리 및 해결책

TextBlob을 사용할 때 발생할 수 있는 일반적인 에러와 해결책을 알아보겠습니다.

에러 예제 및 해결책

에러: LookupError: corpora/stopwords.zip not found

해결책: TextBlob에서 필요한 데이터를 다운로드하지 않았을 때 발생합니다. 아래 명령어로 데이터를 다운로드합니다.
```
import nltk
nltk.download('stopwords')
```

에러: TypeError: expected string or bytes-like object

해결책: TextBlob 객체 생성 시 입력값이 문자열이 아닌 경우 발생합니다. 입력값이 문자열인지 확인하세요.
```
text = str(text)
```

참고문서

이 문서에서는 TextBlob을 활용하여 감성 분석 도구를 구축하는 데 필요한 주요 개념과 예제를 상세히 다루었습니다.