[파이썬/NLP] 빠르게 한국어 형태소 분석하는 방법 (feat. KoNLPy)

📚 목차

1. KoNLPy setup
    1.1. KoNLPy 설치
    1.2. KoNLPy import
    1.3. 형태소 분석기 비교
2. 형태소별 토큰화(tokenization)하기
    2.1. 토큰화 without 품사 태깅
    2.2. 토큰화 with 품사 태깅
    2.3. 명사만 추출하기

1. KoNLPy setup

1.1. KoNLPy 설치

KoNLPy 라이브러리가 설치되어 있지 않는 분들은 아래 링크를 참고하셔서 설치해 주시길 바랍니다.
heytech.tistory.com/3

[Python/NLP] MacOS에서 KoNLPy 설치하기

1.2. KoNLPy import

from konlpy.tag import Mecab
mecab = Mecab()

KonNLPy 설치가 완료되었다면 이제 파이썬에서 KoNLPy 라이브러리를 import 합니다. 이번 포스팅에서는 KoNLPy에서 제가 주로 사용은 Mecab 형태소 분석기를 사용하겠습니다. 만약 Mecab 형태소 분석기가 정상적으로 동작하지 않는다면, 아래 포스팅을 참고해 주세요!

https://heytech.tistory.com/395

Mecab 설치 에러 해결하기: Exception: Install MeCab in order to use it: http://konlpy.org/en/latest/install/

1.3 형태소 분석기 비교

형태소 분석기는 어떤 것이 가장 좋을까? KoNLPy 라이브러리는 Kkma, Okt, Mecab, Komoran 등 여러 한국어 형태소 분석기를 지원합니다. 그중에서도 저는 주로 빠른 연산속도뿐만 아니라 우수한 토큰화 품질을 갖춘  Mecab 형태소 분석기를 애용합니다. 하지만 모든 상황에서 Mecab 분석기가 단연 좋은 것도 아닙니다. 이와 관련하여 다른 블로거의 형태소 분석기 성능 비교 게시글 링크를 공유해 드립니다. 이를 참고하시어 분석 목적에 맞게 형태소 분석기를 선택하시길 바랍니다.
iostream.tistory.com/144#header-n14

한국어 형태소 분석기 성능 비교

2. 형태소별 토큰화(tokenization)하기

Mecab 형태소 분석기의 사용방법을 예시로 소개해 드립니다.

2.1. 토큰화 without 품사 태깅

# To tokenize text data based on morphemes without the tagging
mecab.morphs("안녕하세요, 헤이 테크 블로그의 자연어처리 관련 포스팅입니다. 1234-!5123 @!@!@@$")

토큰화 결과(그림 1)

그림 1. 형태소 분석 without 품사 태깅

Mecab 형태소 분석기 내 morphs 함수를 통해 별도의 형태소 태깅 없이 예시 문장을 형태소별로 토큰화 한 결과입니다. 한글과 구두점, 특수문자 간에도 토큰화를 정상적으로 지원하는 것을 알 수 있습니다. 또한, mecab morphs 함수는 string 문자열을 입력받아 1차원 list 형태로 return 합니다.

2.2. 토큰화 with 품사 태깅

# To tokenize text data based on morphemes wit the tagging
mecab.pos("안녕하세요, 헤이 테크 블로그의 자연어처리 관련 포스팅입니다. 1234-!5123 @!@!@@$")

토큰화 결과(그림 2)

그림 2. 형태소 분석 with 품사 태깅

이번에는 Mecab 내 pos 함수를 통해 예시 문장을 품사 태깅과 함께 토큰화 하였습니다. 결과 스크린샷에서 보실 수 있듯이, string을 입력받아 리스트 안에 튜플 형태로 데이터를 반환해 줍니다. 태깅에 대한 품사 정보는 아래에 잘 정리되어 있으니 참고하시길 바랍니다.
docs.google.com/spreadsheets/d/1OGAjUvalBuX-oZvZ_-9tEfYD2gQe7hTGsgUpiiBSXI8/edit#gid=0

Korean POS tags comparison chart

2.3. 명사만 추출하기

# To extract only noun in text data
mecab.nouns("안녕하세요, 헤이 테크 블로그의 자연어처리 관련 포스팅입니다. 1234-!5123 @!@!@@$")

토큰화 결과(그림 3)

그림 3. 명사만 추출한 경우

📚 참고할 만한 포스팅

Mecab 설치 에러 해결하기: Exception: Install MeCab in order to use it: http://konlpy.org/en/latest/install/

---

포스팅 내용에 오류가 있다면 아래에 댓글 남겨주세요!
그럼 오늘도 즐겁고 건강한 하루 보내시길 바랍니다.
고맙습니다 :)