[파이썬] 허깅 페이스 모델을 활용한 텍스트 감정 분석

허깅페이스를 활용한 텍스트 감정 분석

---

허깅 페이스 모델을 활용한 텍스트 감정 분석

---

들어가며

---

허깅 페이스는 머신러닝 라이브러리를 제공하는 인공지능 플랫폼입니다. 자연어 처리 기술이 발전하며 '감정 분석'은 고객 리뷰 분석, SNS 모니터링 등 다양한 분야에서 활용이 가능합니다. 특히, 허깅 페이스의 사전 학습된 모델을 활용하면 모델 학습 과정 없이 간단한 코드만으로 감정 분석을 할 수 있습니다.

이 글에서는 허깅 페이스 파이프라인을 활용한 기본 감정 분석, 특정 모델을 활용한 감정 분석과 한국어 감정 분석 모델을 활용하는 방법에 대해 소개합니다.

---

필요한 패키지인 transformers와 torch를 설치합니다.

pip install transformers torch

---

• 허깅 페이스 파이프라인을 활용한 감정 분석
• 허깅 페이스의 특정 모델을 활용한 감정 분석
• 허깅페이스의 한국어 모델을 활용한 한국어 감정 분석

---

허깅 페이스 파이프라인을 활용한 감정 분석

---

허깅 페이스의 사전 학습된 모델을 활용하면 간단하게 텍스트 감정 분석을 할 수 있습니다.

파이프라인은 pipeline('sentiment-analysis')를 호출하면, 자동으로 가장 적절한 감정 분석 모델을 불러옵니다. 현재는 기본적으로 distilbert-base-uncased-finetuned-sst-2-english 모델을 사용합니다.

파이프라인을 활용한 "I love python" 문장의 감정 분석 결과는 다음과 같습니다. 감정 결과는 긍정/부정을 나타내는 label과 확률 점수인 score로 출력됩니다.

from transformers import pipeline

# 감정 분석 파이프라인 로드
classifier = pipeline("sentiment-analysis")

# 감정 분석 수행
text = "I love python"
result = classifier(text)

print(result)

감정 분석 결과

---

감정 분석에 활용한 모델을 활용하는 방법은 다음과 같습니다. 해당 문장에 활용한 모델은 디폴트 모델인 distilbert-base-uncased-finetuned-sst-2-english입니다.

from transformers import pipeline

classifier = pipeline("sentiment-analysis")
print(classifier.model.name_or_path)

감정 분석 모델 확인

반응형

---

허깅 페이스의 특정 모델을 활용한 감정 분석

---

파이프라인의 기본 모델이 아닌 특정 모델을 활용하는 방법은 다음과 같습니다. pipeline 내에 특정 모델을 지정하여 사용할 수 있습니다.

bert-base-multilingual-uncased-sentiment는 다국어 감정 분석을 위한 BERT 기반 모델로, 영어뿐만 아니라 한국어를 포함한 여러 언어의 텍스트 감정 분석이 가능합니다.

위와 동일한 문장에 대한 감정 분석 결과는 다음과 같습니다.

label은 감정을 별점 1~5로 분류하여 결과를 출력합니다. 즉, "I love python"의 감정 분석 결과는 5 stars로 '가장 긍정적인 감정'을 의미합니다. score는 모델이 해당 감정(5 starts)에 대해 얼마나 확신하는지를 확률로 나타냅니다. 결과는 0.85이므로 꽤 높은 확신을 가지고 있음을 뜻합니다.

from transformers import pipeline

classifier = pipeline(
    "sentiment-analysis",
    model="nlptown/bert-base-multilingual-uncased-sentiment")

result = classifier("I love python")

print(result)

nlptown 감정 분석 결과_긍정

---

"This is the worst experience ever."에 대한 감정 분석 결과는 다음과 같습니다. 1 star이므로 매우 부정적인 문장으로 판단했음을 나타냅니다.

from transformers import pipeline

classifier = pipeline(
    "sentiment-analysis",
    model="nlptown/bert-base-multilingual-uncased-sentiment")

result = classifier("This is the worst experience ever.")

print(result)

nlptown 감정 분석 결과_부정

---

허깅페이스의 한국어 모델을 활용한 한국어 감정 분석

---

한국어 문장에 대한 감정 분석은 한국어 전용 모델을 사용해야 합니다. sangrimlee/bert-base-multilingual-cased-nsmc를 활용하는 방법은 다음과 같습니다.

sangrimlee/bert-base-multilingual-cased-nsmc 모델은 네이버 영화 리뷰 데이터셋(NSMC)을 활용하여 학습된 BERT 기반의 감정 분석 모델로, 한국어 텍스트의 긍정/부정을 분류합니다.

"이 영화는 정말 최고였어요!"에 대한 감정 분석 결과는 다음과 같습니다. label은 '긍정'으로 이에 대한 score는 99.44%입니다.

from transformers import pipeline

classifier = pipeline(
    'sentiment-analysis',
    model='sangrimlee/bert-base-multilingual-cased-nsmc'
    )

result = classifier("이 영화는 정말 최고였어요!")

print(result)

한국어 감정 분석 결과_긍정

---

"이 영화는 시간 낭비였어요."에 대한 감정 분석 결과는 다음과 같습니다. label은 '부정'으로 이에 대한 score는 99.58%입니다.

from transformers import pipeline

classifier = pipeline(
    'sentiment-analysis',
    model='sangrimlee/bert-base-multilingual-cased-nsmc'
    )

result = classifier("이 영화는 시간 낭비였어요.")

print(result)

한국어 감정 분석 결과_부정

---