텍스트에서 감정 분석

Amazon Comprehend

이 단계별 자습서에서는 Amazon Comprehend를 사용하여 감정을 분석하는 방법을 알아봅니다.

Amazon Comprehend는 기계 학습을 사용하여 텍스트에서 통찰력과 관계를 찾습니다. Amazon Comprehend는 핵심문구 추출, 감정 분석, 엔터티 인식, 주제 모델링 및 언어 감지 API를 제공하므로 자연 언어 처리 기능을 애플리케이션에 쉽게 통합할 수 있습니다.

Amazon Comprehend를 사용하면 콘텐츠 제작자와 마케터가 손쉽게 고객의 성향을 이해하고 추천을 개인화할 수 있습니다. 리테일, 금융, 법률 분야 등의 기관도 Amazon Comprehend를 사용하여 대량의 텍스트를 신속히 분석하고 인사이트를 얻을 수 있습니다.

이 자습서 시나리오에서는 여행을 계획 중인데 유익한 여행 안내서를 찾고 있다고 가정합니다. 여행 안내서는 선택하였고 이제 Amazon Comprehend로 몇 개의 후기를 처리하여 다른 고객이 이 책을 유익하다고 생각하는지 알아보려고 합니다.

이 문제를 해결하기 위해 Amazon Comprehend 콘솔에 로그인합니다. API 탐색기를 사용하여 감정 분석을 실행하고 엔터티 탐지 및 핵심 문구 추출 기능을 시험해볼 것입니다.

이 자습서를 사용하려면 AWS 계정이 필요합니다.

이 자습서에서 Amazon Comprehend를 사용하더라도 추가적인 요금이 발생하지 않습니다. 이 자습서에서 생성하는 리소스는 프리 티어에 해당합니다. 

프리 티어에 대해 자세히 알아보기 >>


1단계: Amazon Comprehend 콘솔 열기

AWS Management Console을 엽니다. 이 단계별 안내서는 계속 열어 놓을 수 있습니다. 이 화면이 로드되면 먼저 사용자 이름 및 암호를 입력하여 시작합니다. 그런 다음, 검색창에 Comprehend를 입력하고 Amazon Comprehend를 선택해서 서비스 콘솔을 엽니다.

Step1-AWS Management Console

( 확대하려면 클릭 )


2단계: Amazon Comprehend 시작하기

이 단계에서는 Amazon Comprehend의 감정 분석 기능을 둘러보면서 서적에 대한 후기 3개의 감성을 파악하고 책 구매 의사를 결정할 것입니다.

후기 1:
“한 번도 방문해본 적 없는 멋진 새로운 장소를 찾고 싶었는데 이 책에서는 수확이 없었습니다. 어떤 추천은 얼마나 어이가 없던지… 웃음이 나왔습니다! 대부분 추천은 일반적인 대도시, 음식점, 바 수준입니다. 유명하지 않은 곳은 없었습니다. 즐기려고 그런 곳에 가지는 않을 것 같습니다. 살 가치가 없는 책입니다.”

후기 2:
“정말 멋진 책입니다. 이 책을 발견할 때만 해도 여행을 갈 생각이 없었는데 저도 모르게 페이지를 넘기고 있었습니다. 이 책의 표지와 크고 화려한 사진들도 무척 마음에 듭니다. John Smith가 정말 사진을 잘 찍었더군요. 제 커피 테이블에 놓으면 딱 좋습니다. 얼마 후에 파리와 바르셀로나로 여행을 갈 계획인데 이 책이 유용할 것 같습니다. 방에 앉아서 여행을 즐기는 사람에게도 완벽합니다!”

후기 3:
“여행자 관점에서 방문하기 좋은 장소에 대해 읽을 수 있어서 정말로 좋았습니다. 작가가 전 세계 곳곳을 소개합니다. 요즘 온라인에도 온갖 무료 정보가 많이 있지만 저는 어디를 가든 항상 이 책을 들고 다니면서 숨겨진 보물을 발견합니다.”


2a단계: 콘솔에서 [시작하기] 버튼을 클릭하여 서비스와 기능 테스트를 시작합니다.

Step2-Get-started-Comprehend

( 확대하려면 클릭 )


3단계: 후기 1에 대해 분석할 텍스트 입력

이제 Amazon Comprehend API 탐색기를 시작하고 고객 후기가 긍정적인지, 부정적인지, 혼합적인지 분석해보겠습니다. 텍스트 필드에는 1,000자까지 텍스트를 입력할 수 있습니다.

후기 1:
“한 번도 방문해본 적 없는 멋진 새로운 장소를 찾고 싶었는데 이 책에서는 수확이 없었습니다. 어떤 추천은 얼마나 어이가 없던지… 웃음이 나왔습니다! 대부분 추천은 일반적인 대도시, 음식점, 바 수준입니다. 유명하지 않은 곳은 없었습니다. 즐기려고 그런 곳에 가지는 않을 것 같습니다. 살 가치가 없는 책입니다.”


3a단계: 후기 1의 텍스트를 API 탐색기 창에 입력하고 [분석]을 선택합니다.

sentiment-3A

( 확대하려면 클릭 )


3b단계: 감정 분석 사이드바 패널 열기

[감정 분석] 사이드바 패널을 열면 첫 번째 후기에 대한 분석이 보입니다. 후기의 긍정적, 부정적, 혼합적 감정에 대한 여러 가지 결과가 나올 것입니다. 결과는 이 후기가 부정적인 것으로 표시되고 긍정적 또는 혼합적 후기에 대한 점수가 낮습니다.  

sentiment-3B

( 확대하려면 클릭 )


4단계: 후기 2에 대해 분석할 텍스트 입력

이제 다음 책 후기에서는 어떤 분석 결과가 나올지 살펴보겠습니다. 3단계의 절차를 반복해서 후기 2를 처리합니다.

후기 2:
“정말 멋진 책입니다. 이 책을 발견할 때만 해도 여행을 갈 생각이 없었는데 저도 모르게 페이지를 넘기고 있었습니다. 이 책의 표지와 크고 화려한 사진들도 무척 마음에 듭니다. John Smith가 정말 사진을 잘 찍었더군요. 제 커피 테이블에 놓으면 딱 좋습니다. 얼마 후에 파리와 바르셀로나로 여행을 갈 계획인데 이 책이 유용할 것 같습니다. 방에 앉아서 여행을 즐기는 사람에게도 완벽합니다!”


4a단계: API 탐색기에 텍스트를 입력하고 [분석]을 선택합니다.

sentiment-4A

( 확대하려면 클릭 )


4b단계: 감정 분석 사이드바 패널 열기

감정 분석 사이드바 패널로 돌아가서 후기 2의 결과를 확인합니다. 이 두 번째 후기는 첫 번째 후기와는 상당히 다릅니다. 결과는 완전히 긍정적이고 이 후기에는 부정적이거나 혼합된 결과가 없습니다. 

sentiment-4B

( 확대하려면 클릭 )


4c단계: 엔터티 탐지 사이드바 패널 열기

이제 감정 분석 기능의 작동 방법에 대한 기본적인 개념은 알았으므로 이 후기에 적용되는 다른 분석도 간략히 살펴보겠습니다. 엔터티 탐지 사이드바 패널은 실제 객체(예: 사람, 장소, 사물)의 고유한 이름에 대한 본문 참조를 인식하는 방법을 보여줍니다. 이 간단한 후기에서는 API 탐색기에서 두 가지 유형의 엔터티(사람과 위치)가 탐지된 것을 확인할 수 있습니다. John Smith는 사람이고 파리바르셀로나는 장소로 확인됩니다.

이 기능은 대량의 텍스트를 스캔하여 가장 일반적인 엔터티를 신속히 식별하는 데 도움이 됩니다. 이 정보는 정보 검색에 사용하거나 콘텐츠 개인화를 위해 기사와 문서를 분리하는 데 도움이 될 수 있습니다.

sentiment-4C

( 확대하려면 클릭 )


4d단계: 핵심 문구 추출 사이드바 패널 열기

이 후기에서 어떤 핵심 문구가 인식되는지 간단히 살펴보겠습니다. 핵심 문구 사이드바 패널을 열고 이 후기에서 추출된 일부 문구를 확인할 수 있습니다. “정말 멋진 책”과 “딱 좋습니다” 등을 포함하여 여러 가지 핵심 문구 유형을 파악하게 될 것입니다. 간단하고 단순한 후기이므로 핵심 문구가 두 번 이상 나타나지 않습니다.  

sentiment-4D

( 확대하려면 클릭 )


5단계: 후기 3에 대해 분석할 텍스트 입력

최종 고객 후기에서 발견된 분석 결과를 살펴보겠습니다. 3단계와 4단계에서 했던 절차를 반복해서 후기 3을 처리합니다.

후기 3:
“여행자 관점에서 방문하기 좋은 장소에 대해 읽을 수 있어서 정말로 좋았습니다. 작가가 전 세계 곳곳을 소개합니다. 요즘 온라인에도 온갖 무료 정보가 많이 있지만 저는 어디를 가든 항상 이 책을 들고 다니면서 숨겨진 보물을 발견합니다.”


5a단계: API 탐색기에 텍스트를 입력하고 분석을 선택합니다.

sentiment-5A

( 확대하려면 클릭 )


5b단계: 감정 분석 사이드바 패널 열기

감정 분석 사이드바 패널로 돌아가서 후기 3의 결과를 확인합니다. 첫 번째 후기와 비슷하게 세 번째도 매우 긍정적 후기이고 매우 중립적인 감정이 탐지되었습니다.  

sentiment-5B

( 확대하려면 클릭 )


축하합니다!

이 자습서의 감정 분석 결과를 기반으로 할 때 이 여행 가이드를 구매하고 싶을 지도 모릅니다. Amazon Comprehend를 사용하여 텍스트를 분석한 후 해당 결과를 고객의 소리 분석, 지능형 문서 검색, 웹 애플리케이션의 콘텐츠 개인화 등 광범위한 사례에 사용할 수 있습니다.

 

이 자습서가 유용했습니까?

감사합니다.
좋아하는 사항을 알려주세요.
닫기
실망을 드려 죄송합니다.
오래되었거나 혼란스럽거나 부정확한 사항이 있습니까? 피드백을 제공하여 이 자습서를 개선할 수 있도록 도와주십시오.
닫기

자세히 알아보기

Amazon Comprehend의 기능에 대한 자세한 내용은 이 시작하기 안내서를 참조하십시오.

소셜 미디어 대시보드

기계 학습과 비즈니스 인텔리전스 정보를 사용하여 소셜 미디어 대시보드를 구축합니다.

감정 분석 일괄 처리

대량의 텍스트의 감정 분석을 일괄 처리하는 고급 자습서를 공부해보십시오.