[Python] tomotopy로 쉽게 토픽 모델링 실시하기

프로그래밍/NLP

by 적분 ∫2tdt=t²+c 2019. 5. 22. 17:06

저번 글에 소개했던 것처럼, 토픽 모델링 툴인 tomoto의 Python 패키지 버전을 며칠 전에 공개했었습니다. 이번 포스팅에서는 Python에서 이를 이용해서 쉽게 토픽 모델링을 하는 예제 코드를 공유하고자 합니다.

Step 1. tomotopy 패키지 설치하기

명령줄 혹은 Terminal 에서 다음과 같이 입력하여 tomotopy를 설치합니다. (만약 파이썬이 설치가 되지 않은 경우라면 먼저 파이썬을 설치해야겠죠. 3.5 버전 이상을 설치하는걸 추천드립니다)

$ pip install --upgrade tomotopy

Step 2. 토픽 모델링 코드를 작성하기

의외로 간단합니다. 바로 보도록 하시죠.

import tomotopy as tp # 먼저 모듈을 불러와야겠죠 model = tp.LDAModel(k=20, alpha=0.1, eta=0.01, min_cf=5) # LDAModel을 생성합니다. # 토픽의 개수(k)는 20개, alpha 파라미터는 0.1, eta 파라미터는 0.01 # 전체 말뭉치에 5회 미만 등장한 단어들은 제거할 겁니다. # 다음 구문은 input_file.txt 파일에서 한 줄씩 읽어와서 model에 추가합니다. for i, line in enumerate(open('input_file.txt', encoding='utf-8')): model.add_doc(line.strip().split()) # 공백 기준으로 단어를 나누어 model에 추가합니다. if i % 10 == 0: print('Document #{} has been loaded'.format(i)) # model의 num_words나 num_vocabs 등은 train을 시작해야 확정됩니다. # 따라서 이 값을 확인하기 위해서 train(0)을 하여 실제 train은 하지 않고 # 학습 준비만 시킵니다. # num_words, num_vocabs에 관심 없다면 이부분은 생략해도 됩니다. model.train(0) print('Total docs:', len(model.docs)) print('Total words:', model.num_words) print('Vocab size:', model.num_vocabs) # 다음 구문은 train을 총 200회 반복하면서, # 매 단계별로 로그 가능도 값을 출력해줍니다. # 혹은 단순히 model.train(200)으로 200회 반복도 가능합니다. for i in range(200): print('Iteration {}\tLL per word: {}'.format(i, model.ll_per_word)) model.train(1) # 학습된 토픽들을 출력해보도록 합시다. for i in range(model.k): # 토픽 개수가 총 20개이니, 0~19번까지의 토픽별 상위 단어 10개를 뽑아봅시다. res = model.get_topic_words(i, top_n=10) print('Topic #{}'.format(i), end='\t') print(', '.join(w for w, p in res))

참 쉽죠? 단 입력 파일인 input_file.txt의 모양을 잘 생각해보셔야합니다. 이 파일은 한 줄에 문헌 하나를 담고 있다고 가정합니다. 또한 각 단어들은 공백 문자로 구분되어 있어야하구요. 그게 아니라면 제대로 처리가 되지 않겠죠?

자연언어처리에서 제일 중요한 건 전처리죠. 그런데 이 코드에는 전처리 부분이 없습니다. 입력 파일이 전처리되지 않았다면 결과가 이쁘게 나오지 않을테니 nltk를 이용해 전처리하는 코드를 추가해보도록 하겠습니다.

Step 3. (영어) 전처리 코드 추가하기

import nltk.stem, nltk.corpus, nltk.tokenize, re stemmer = nltk.stem.porter.PorterStemmer() # 영어 단어의 어근만 남겨주는 포터 스테머입니다. stopwords = set(nltk.corpus.stopwords.words('english')) # 영어 단어의 불용어 집합입니다. rgxWord = re.compile('[a-zA-Z][-_a-zA-Z0-9.]*') # 특수문자를 제거하기 위해 일반적인 형태의 단어를 나타내는 정규식입니다. # 알파벳으로 시작하고 그 뒤에 알파벳 혹은 숫자, -,_, .가 뒤따라오는 경우만 단어로 취급합니다. # tokenize 함수를 정의합니다. 문장을 입력하면 단어 단위로 분리하고, # 불용어 및 특수 문자 등을 제거한 뒤, 어근만 추출하여 list로 반환합니다. def tokenize(sent): def stem(w): try: return stemmer.stem(w) except: return w return [stem(w) for w in nltk.tokenize.word_tokenize(sent.lower()) if w not in stopwords and rgxWord.match(w)]

전처리 코드를 이용하면 토픽 모델에 좀더 깔끔한 데이터를 입력할 수 있겠죠?

model = tp.LDAModel(k=20, alpha=0.1, eta=0.01, min_cf=5) for i, line in enumerate(open('input_file.txt', encoding='utf-8')): model.add_doc(tokenize(line)) # tokenize함수를 이용해 전처리한 결과를 add_doc에 넣습니다. if i % 10 == 0: print('Document #{} has been loaded'.format(i)) model.train(0) print('Total docs:', len(model.docs)) print('Total words:', model.num_words) print('Vocab size:', model.num_vocabs) for i in range(200): print('Iteration {}\tLL per word: {}'.format(i, model.ll_per_word)) model.train(1) for i in range(model.k): res = model.get_topic_words(i, top_n=10) print('Topic #{}'.format(i), end='\t') print(', '.join(w for w, p in res))

실행하면 다음과 같은 결과를 얻을 수 있으실 겁니다. 제가 사용한 데이터는 호텔 리뷰 데이터였습니다.

Topic #0 great, hotel, view, stay, nice, beach, locat, street, room, plaza

Topic #1 locat, hotel, great, walk, good, room, staff, close, time, distanc

Topic #2 park, hotel, not, charg, free, internet, no, room, day, fee

Topic #3 room, nice, bed, small, clean, comfort, hotel, good, bathroom, littl

Topic #4 servic, hotel, stay, not, time, wait, minut, food, check, get

Topic #5 hotel, not, check, room, book, charg, told, stay, would, us

Topic #6 room, smell, smoke, not, dirti, like, clean, carpet, bed, stay

Topic #7 good, need, hotel, room, clean, locat, staff, price, updat, nice

Topic #8 hotel, good, close, airport, nice, shuttl, stay, clean, place, breakfast

Topic #9 breakfast, no, room, coffe, not, machin, clean, ice, good, fridg

Topic #10 stay, great, staff, hotel, nice, room, friendli, clean, good, again

Topic #11 room, not, air, hotel, no, condit, night, work, sleep, ac

Topic #12 room, night, door, nois, hotel, could, next, floor, peopl, hear

Topic #13 desk, staff, front, not, hotel, servic, help, friendli, no, check

Topic #14 stay, not, hotel, place, would, get, price, again, night, look

Topic #15 room, desk, front, call, get, us, not, check, back, day

Topic #16 bathroom, shower, room, not, door, toilet, no, need, water, wall

Topic #17 pool, water, not, hot, hotel, no, shower, nice, tub, kid

Topic #18 hotel, not, stay, would, renov, inn, star, disappoint, expect, year

Topic #19 room, bed, not, hotel, book, two, one, us, doubl, king

Step 3b. (한국어) 전처리 코드 추가하기

한국어 전처리는 영어에 비해 까다롭습니다. 명사나 형용사, 동사 등에 조사나 어미가 복잡하게 결합하고, 항상 단어 단위로 띄어쓰기를 하는것도 아니기 때문이죠. 이 때문에 한국어 분석을 위해서는 형태소 분석기가 필요합니다. 다행히도 여러 한국어 형태소 분석기가 이미 개발되어 있고, 또 파이썬에서도 쉽게 이들을 사용할 수 있어서, 한국어 분석도 편하게 진행할 수 있습니다. 여기에서는 마침 '과거의 제'가 개발한 kiwi의 파이썬 버전을 이용해보도록 하겠습니다. (kiwi 설치 역시 pip install --upgrade kiwipiepy 로 쉽게 하실 수 있습니다.)

from kiwipiepy import Kiwi kiwi = Kiwi() kiwi.prepare() # tokenize 함수를 정의합니다. 한국어 문장을 입력하면 형태소 단위로 분리하고, # 불용어 및 특수 문자 등을 제거한 뒤, list로 반환합니다. def tokenize(sent): res, score = kiwi.analyze(sent)[0] # 첫번째 결과를 사용 return [word + ('다' if tag.startswith('V') else '') # 동사에는 '다'를 붙여줌 for word, tag, _, _ in res if not tag.startswith('E') and not tag.startswith('J') and not tag.startswith('S')] # 조사, 어미, 특수기호는 제거

마찬가지로 위에서처럼 add_doc에 tokenize(line)을 넣어주면 되겠죠.

(추가) 불용어를 지정하여 제거하고 싶은경우 아래와 같이 조건을 하나 더 추가할 수도 있겠습니다.

from kiwipiepy import Kiwi kiwi = Kiwi() kiwi.prepare() stopwords = set(["사람", "것"]) # tokenize 함수를 정의합니다. 한국어 문장을 입력하면 형태소 단위로 분리하고, # 불용어 및 특수 문자 등을 제거한 뒤, list로 반환합니다. def tokenize(sent): res, score = kiwi.analyze(sent)[0] # 첫번째 결과를 사용 return [word + ('다' if tag.startswith('V') else '') # 동사에는 '다'를 붙여줌 for word, tag, _, _ in res if not tag.startswith('E') and not tag.startswith('J') and not tag.startswith('S') and word not in stopwords] # 조사, 어미, 특수기호 및 stopwords에 포함된 단어는 제거

Step 4. 불용어 제거가 어려운 경우, 용어 가중치를 변경하자

이렇게 했는데도, 토픽별 상위 단어들이 너무 일반적이거나 자주 나오는 거라서 결과가 마음에 안 들수가 있습니다. 이 경우 용어 가중치 정책을 바꿔서 결과를 개선하는 방법을 사용할 수도 있습니다. 용어 가중치 정책은 모델 생성시에 설정해 줄 수 있습니다.

model = tp.LDAModel(k=20, alpha=0.1, eta=0.01, min_cf=5, tw=tp.TermWeight.IDF) # tw에 tp.TermWeight의 항목 중 하나를 선택하여 입력할 수 있습니다. # 기본값은 tp.TermWeight.ONE이며, 이는 모든 단어를 동등하게 보겠다는 것입니다. # 다른 선택지로는 tp.TermWeight.IDF나 tp.TermWeight.PMI가 있습니다.

용어 가중치 정책에 대해서는 이전 포스팅에서 다룬 바 있으니 해당 글(https://bab2min.tistory.com/605)을 참조하시면 되겠습니다. Step 3에서 사용한 호텔 리뷰 데이터에 IDF 가중치 정책을 사용한 결과는 다음과 같습니다.

Topic #0 coffe, breakfast, no, cereal, tv, fridg, egg, juic, shower, cup

Topic #1 need, bathroom, carpet, dirti, shower, old, wall, not, stain, smell

Topic #2 plaza, street, fremont, great, vega, casino, downtown, locat, nice, la

Topic #3 air, water, hot, shower, work, ac, no, heat, condition, condit

Topic #4 beach, great, love, view, pool, nice, beauti, food, restaur, kid

Topic #5 dirti, bed, toilet, sheet, bathroom, bug, towel, stain, hair, carpet

Topic #6 bed, doubl, king, queen, size, room, two, book, us, park

Topic #7 locat, squar, walk, central, great, hotel, good, london, station, excel

Topic #8 peopl, not, get, back, never, go, look, like, around, say

Topic #9 breakfast, good, restaur, great, conveni, food, locat, nice, hotel, comfort

Topic #10 good, need, clean, staff, friendli, great, nice, price, stay, comfort

Topic #11 check, desk, told, call, ask, us, front, said, not, get

Topic #12 nois, hear, loud, thin, wall, door, noisi, sleep, could, night

Topic #13 smoke, smell, cigarett, non-smok, non, like, room, dog, stale, odor

Topic #14 desk, front, call, us, check, told, manag, phone, not, fix

Topic #15 star, price, not, hotel, rate, qualiti, expect, it, stay, better

Topic #16 charg, fee, park, internet, per, pay, extra, day, free, hilton

Topic #17 pool, ice, machin, floor, hot, elev, door, no, water, swim

Topic #18 ever, iron, worst, i, pillow, stay, servic, not, bed, time

Topic #19 shuttl, airport, park, close, flight, walk, driver, taxi, ride, bu

입력 데이터는 같은데 전혀 다른 결과가 나왔죠? 이는 자주 등장하는 단어 hotel, room 등의 가중치를 낮게 계산하고, 적게 등장한 단어들의 가중치를 높게 계산하는 데에서 기인한 차이입니다.

내친김에 가중치를 PMI로 계산한 결과도 보시죠.

Topic #0 view, beach, walk, locat, nice, great, close, restaur, hotel, disneyland

Topic #1 good, locat, breakfast, clean, staff, price, nice, great, hotel, valu

Topic #2 pool, hot, water, cold, no, heat, swim, tub, indoor, con

Topic #3 great, nice, staff, stay, friendli, hotel, famili, good, comfort, clean

Topic #4 plaza, great, casino, fremont, vega, downtown, nice, hotel, street, stay

Topic #5 shower, water, toilet, work, door, bathroom, no, broken, hot, not

Topic #6 food, restaur, order, bar, breakfast, buffet, dinner, servic, tabl, coffe

Topic #7 check, desk, front, rude, us, card, manag, servic, ask, arriv

Topic #8 check, desk, call, front, room, us, told, back, get, went

Topic #9 internet, wifi, breakfast, free, no, access, servic, connect, slow, not

Topic #10 dog, pet, outsid, sign, secur, keep, tabl, light, open, lot

Topic #11 nois, loud, sleep, noisi, night, hear, next, room, air, sound

Topic #12 smell, smoke, room, dirti, carpet, stain, sheet, like, bathroom, cigarett

Topic #13 stay, not, place, money, noth, i, hotel, would, pictur, do

Topic #14 need, old, room, bed, not, bathroom, dirti, updat, air, carpet

Topic #15 locat, airport, hotel, shuttl, walk, great, squar, good, central, conveni

Topic #16 bed, doubl, king, size, room, queen, two, book, small, suit

Topic #17 need, inn, hotel, motel, place, price, stay, ok, holiday, night

Topic #18 no, coffe, fridg, microwav, iron, towel, tv, refriger, maker, soap

Topic #19 park, charg, fee, resort, per, extra, pay, hotel, cost, car

용어 가중치 정책은 LDAModel 뿐만 아니라 tomotopy에서 제공하는 나머지 모든 토픽 모델(DMR, HDP, MGLDA, PA, HPA)에 대해서도 적용 가능합니다.

이외에도 좀더 세세하게 토픽 모델링을 적용하고 싶으신 분들은 tomotopy 한국어 API문서를 살펴보시면 되겠습니다.

지금까지 tomotopy를 이용해 쉽게 토픽 모델링 하는 방법에 대해서 살펴보았습니다. 다음 번에는 tomotopy를 이용해 좀 더 다양한 데이터와 모델을 사용해보는 방법을 공유해보도록 하겠습니다~

저작자표시비영리동일조건

'프로그래밍 > NLP' 카테고리의 다른 글

[Python] tomotopy로 문헌별 토픽 비중 계산하기 (1)	2019.12.01
Chrono-gram을 이용해 라틴어 고문헌 연대 추정하기 (3)	2019.09.16
[토픽 모델링] 대량의 문헌을 주제에 따라 클러스터링해보기 (3)	2019.07.10
[Python] tomotopy로 쉽게 토픽 모델링 실시하기 (40)	2019.05.22
Python용 토픽 모델링 패키지 - tomotopy 개발 (11)	2019.05.19
[Kiwi] 지능형 한국어 형태소 분석기 0.6버전 업데이트 (1)	2018.12.09
[Tensorflow] 문자 인식용 신경망 Python3 코드 (2)	2018.11.14

김호열

2019.06.04 22:40

영소설로 돌려봤는데, 처리 속도가 상당히 빠르네요. 감사합니다^^
수정/삭제 답글
- 적분 ∫2tdt=t²+c
  
  2019.06.05 21:18 신고
  
  잘 작동된다면 다행이네요! 혹시라도 버그나 문제가 있으면 언제든지 제보 부탁드립니다~
  수정/삭제
2019.06.06 15:40

비밀댓글입니다
수정/삭제 답글
- 적분 ∫2tdt=t²+c
  
  2019.06.06 23:49 신고
  
  stopwords set을 만들어서 여기에 불용어 리스트를 삽입하시고, 이에 포함된 단어들을 제거하도록 조건문을 고쳐주시면 됩니다.
  본문에 해당 코드도 추가하였으니 확인하시면 되겠습니다
  수정/삭제
2019.06.09 13:05

비밀댓글입니다
수정/삭제 답글
이해인

2019.06.09 13:06

안녕하세요. 우선 귀중한 자료 공유해주셔서 정말 감사합니다.
다름이 아니라, kiwi 를 터미널에서 설치하는 데 있어 오류가 발생하는데 해결 방법이 있을까 하여 문의 드립니다.
수정/삭제 답글
- 이해인
  
  2019.06.09 13:07
  
  터미널에서 발생한 오류 코드는 다음과 같습니다.
  
  Collecting kiwipiepy
  Using cached https://files.pythonhosted.org/packages/d1/15/398522c1c9b8aca3d21140f09c4afd2617975493134785f97442825e2379/kiwipiepy-0.6.3.tar.gz
  Building wheels for collected packages: kiwipiepy
  Building wheel for kiwipiepy (setup.py) ... error
  ERROR: Complete output from command /usr/local/opt/python/bin/python3.7 -u -c 'import setuptools, tokenize;__file__='"'"'/private/var/folders/kr/rb29h92n73n7z8sydd2gjjth0000gn/T/pip-install-s3ih6w3t/kiwipiepy/setup.py'"'"';f=getattr(tokenize, '"'"'open'"'"', open)(__file__);code=f.read().replace('"'"'\r\n'"'"', '"'"'\n'"'"');f.close();exec(compile(code, __file__, '"'"'exec'"'"'))' bdist_wheel -d /private/var/folders/kr/rb29h92n73n7z8sydd2gjjth0000gn/T/pip-wheel-fa_bvg97 --python-tag cp37:
  ERROR: running bdist_wheel
  running build
  running build_py
  creating build
  creating build/lib.macosx-10.14-x86_64-3.7
  creating build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  copying kiwipiepy/__init__.py -> build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  copying kiwipiepy/__main__.py -> build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  running egg_info
  writing kiwipiepy.egg-info/PKG-INFO
  writing dependency_links to kiwipiepy.egg-info/dependency_links.txt
  writing top-level names to kiwipiepy.egg-info/top_level.txt
  reading manifest file 'kiwipiepy.egg-info/SOURCES.txt'
  reading manifest template 'MANIFEST.in'
  writing manifest file 'kiwipiepy.egg-info/SOURCES.txt'
  copying kiwipiepy/default.dict -> build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  copying kiwipiepy/extract.mdl -> build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  copying kiwipiepy/sj.lang -> build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  copying kiwipiepy/sj.morph -> build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  running build_ext
  building 'kiwipiepycore' extension
  creating build/temp.macosx-10.14-x86_64-3.7
  creating build/temp.macosx-10.14-x86_64-3.7/KiwiLibrary
  clang -Wno-unused-result -Wsign-compare -Wunreachable-code -fno-common -dynamic -DNDEBUG -g -fwrapv -O3 -Wall -isysroot /Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.14.sdk -I/Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.14.sdk/usr/include -I/Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.14.sdk/System/Library/Frameworks/Tk.framework/Versions/8.5/Headers -I/usr/local/include -I/usr/local/opt/openssl/include -I/usr/local/opt/sqlite/include -I/usr/local/Cellar/python/3.7.3/Frameworks/Python.framework/Versions/3.7/include/python3.7m -c KiwiLibrary/Utils.cpp -o build/temp.macosx-10.14-x86_64-3.7/KiwiLibrary/Utils.o -std=c++1y -O3 -fpermissive
  In file included from KiwiLibrary/Utils.cpp:2:
  In file included from KiwiLibrary/KTrie.h:4:
  KiwiLibrary/Trie.hpp:55:13: error: use of undeclared identifier 'end'
  if (it == end()) return {};
  ^
  KiwiLibrary/Trie.hpp:62:13: error: use of undeclared identifier 'end'
  if (it == end()) return this->emplace(key, typename _Map::mapped_type{}).first->second;
  ^
  KiwiLibrary/Utils.cpp:178:16: warning: comparison of integers of different signs: 'uint32_t' (aka 'unsigned int') and 'int32_t' (aka 'int') [-Wsign-compare]
  return v - (v >= vSize[i] ? (1 << ((i + 1) * 7)) : 0);
  ~ ^ ~~~~~~~~
  1 warning and 2 errors generated.
  error: command 'clang' failed with exit status 1
  ----------------------------------------
  ERROR: Failed building wheel for kiwipiepy
  Running setup.py clean for kiwipiepy
  Failed to build kiwipiepy
  Installing collected packages: kiwipiepy
  Running setup.py install for kiwipiepy ... error
  ERROR: Complete output from command /usr/local/opt/python/bin/python3.7 -u -c 'import setuptools, tokenize;__file__='"'"'/private/var/folders/kr/rb29h92n73n7z8sydd2gjjth0000gn/T/pip-install-s3ih6w3t/kiwipiepy/setup.py'"'"';f=getattr(tokenize, '"'"'open'"'"', open)(__file__);code=f.read().replace('"'"'\r\n'"'"', '"'"'\n'"'"');f.close();exec(compile(code, __file__, '"'"'exec'"'"'))' install --record /private/var/folders/kr/rb29h92n73n7z8sydd2gjjth0000gn/T/pip-record-uuz4l1ml/install-record.txt --single-version-externally-managed --compile:
  ERROR: running install
  running build
  running build_py
  creating build
  creating build/lib.macosx-10.14-x86_64-3.7
  creating build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  copying kiwipiepy/__init__.py -> build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  copying kiwipiepy/__main__.py -> build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  running egg_info
  writing kiwipiepy.egg-info/PKG-INFO
  writing dependency_links to kiwipiepy.egg-info/dependency_links.txt
  writing top-level names to kiwipiepy.egg-info/top_level.txt
  reading manifest file 'kiwipiepy.egg-info/SOURCES.txt'
  reading manifest template 'MANIFEST.in'
  writing manifest file 'kiwipiepy.egg-info/SOURCES.txt'
  copying kiwipiepy/default.dict -> build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  copying kiwipiepy/extract.mdl -> build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  copying kiwipiepy/sj.lang -> build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  copying kiwipiepy/sj.morph -> build/lib.macosx-10.14-x86_64-3.7/kiwipiepy
  running build_ext
  building 'kiwipiepycore' extension
  creating build/temp.macosx-10.14-x86_64-3.7
  creating build/temp.macosx-10.14-x86_64-3.7/KiwiLibrary
  clang -Wno-unused-result -Wsign-compare -Wunreachable-code -fno-common -dynamic -DNDEBUG -g -fwrapv -O3 -Wall -isysroot /Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.14.sdk -I/Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.14.sdk/usr/include -I/Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.14.sdk/System/Library/Frameworks/Tk.framework/Versions/8.5/Headers -I/usr/local/include -I/usr/local/opt/openssl/include -I/usr/local/opt/sqlite/include -I/usr/local/Cellar/python/3.7.3/Frameworks/Python.framework/Versions/3.7/include/python3.7m -c KiwiLibrary/Utils.cpp -o build/temp.macosx-10.14-x86_64-3.7/KiwiLibrary/Utils.o -std=c++1y -O3 -fpermissive
  In file included from KiwiLibrary/Utils.cpp:2:
  In file included from KiwiLibrary/KTrie.h:4:
  KiwiLibrary/Trie.hpp:55:13: error: use of undeclared identifier 'end'
  if (it == end()) return {};
  ^
  KiwiLibrary/Trie.hpp:62:13: error: use of undeclared identifier 'end'
  if (it == end()) return this->emplace(key, typename _Map::mapped_type{}).first->second;
  ^
  KiwiLibrary/Utils.cpp:178:16: warning: comparison of integers of different signs: 'uint32_t' (aka 'unsigned int') and 'int32_t' (aka 'int') [-Wsign-compare]
  return v - (v >= vSize[i] ? (1 << ((i + 1) * 7)) : 0);
  ~ ^ ~~~~~~~~
  1 warning and 2 errors generated.
  error: command 'clang' failed with exit status 1
  ----------------------------------------
  ERROR: Command "/usr/local/opt/python/bin/python3.7 -u -c 'import setuptools, tokenize;__file__='"'"'/private/var/folders/kr/rb29h92n73n7z8sydd2gjjth0000gn/T/pip-install-s3ih6w3t/kiwipiepy/setup.py'"'"';f=getattr(tokenize, '"'"'open'"'"', open)(__file__);code=f.read().replace('"'"'\r\n'"'"', '"'"'\n'"'"');f.close();exec(compile(code, __file__, '"'"'exec'"'"'))' install --record /private/var/folders/kr/rb29h92n73n7z8sydd2gjjth0000gn/T/pip-record-uuz4l1ml/install-record.txt --single-version-externally-managed --compile" failed with error code 1 in /private/var/folders/kr/rb29h92n73n7z8sydd2gjjth0000gn/T/pip-install-s3ih6w3t/kiwipiepy/
  
  입니다.
  수정/삭제
- 적분 ∫2tdt=t²+c
  
  2019.06.09 15:02 신고
  
  친절한 오류 제보에 감사합니다.
  해당 문제는 일부 코드가 clang과 호환되지 않게 작성되어서 발생한 것으로 확인되었습니다. 해당 문제를 해결한 0.6.5 버전을 새로 업로드하였으니
  
  pip install -U kiwipiepy>=0.6.5
  
  를 통하여 다시 설치해주시면 감사하겠습니다!
  수정/삭제
와

2019.07.15 03:21

역사학과라고 글을 읽은거 같은데 대단하시네요. 각종 정보는 어떻게 얻는지도 궁금합니다.
수정/삭제 답글
- 적분 ∫2tdt=t²+c
  
  2019.07.22 14:45 신고
  
  과찬이십니다. 복수전공으로 정보학을 공부했구요, 학부/대학원 전공에서 공부한것 중심으로 키워드를 잡고 블로그 및 논문 등을 찾아서 배움을 넓히려고 하고 있습니다.
  수정/삭제
지현

2019.08.08 11:09

tomotopy를 설치하니 이런 에러가 뜨는데 어찌할까요?
Command "/anaconda3/bin/python -u -c "import setuptools, tokenize;__file__='/private/var/folders/lk/fzv4sw4s3lsdftpmlsfv1l_40000gn/T/pip-install-xtk61581/tomotopy/setup.py';f=getattr(tokenize, 'open', open)(__file__);code=f.read().replace('\r\n', '\n');f.close();exec(compile(code, __file__, 'exec'))" install --record /private/var/folders/lk/fzv4sw4s3lsdftpmlsfv1l_40000gn/T/pip-record-_2ggos0e/install-record.txt --single-version-externally-managed --compile" failed with error code 1 in /private/var/folders/lk/fzv4sw4s3lsdftpmlsfv1l_40000gn/T/pip-install-xtk61581/tomotopy/
Note: you may need to restart the kernel to use updated packages.
수정/삭제 답글
- 적분 ∫2tdt=t²+c
  
  2019.08.08 17:52 신고
  
  혹시 사용중인 OS와 Python(anaconda) 버전을 알려주시겠어요?
  수정/삭제
- 지현
  
  2019.08.08 18:05
  
  macOS Mojave 버전 10.14.5
  Python 3.7.3
  conda 4.7.5
  입니다
  수정/삭제
- 적분 ∫2tdt=t²+c
  
  2019.08.09 02:12 신고
  
  예, 테스트해본 결과 해당 환경에서 발생하는 컴파일 오류가 있어서 이를 해결한 tomotopy 0.1.6 버전을 올렸습니다. 소중한 제보 감사합니다. 최신 버전으로 다시 설치해보시길 부탁드립니다!
  수정/삭제
- 지현
  
  2019.08.09 12:54
  
  다운 잘 받았습니다. 답변 감사합니다^^
  수정/삭제
송일

2019.08.10 16:13

안녕하세요. 블로그를 통해 많은 도움을 얻고 있습니다.
다름이 아니라 Tomoto Gui와 파이썬의 Tomoto 패키지를 이용한 결과가 사뭇 다릅니다.
LDA의 초기 arbitrary 토픽 할당 때문으로 생각했으나, 같은 하이퍼 파라미터(k=2, alpha=0.1, eta=0.01)를 두고
여러번 돌려본 결과 텍스트 전처리 부분에서 차이가 있는 것 같습니다.
예를들면, Tomoto Gui와는 달리 파이썬에서는 -하는, -하고에서 '하'가 독립적으로 떨어지는 느낌이 듭니다.
올려주신 한국어 전처리 이외에 작업이 Tomoto Gui에서 이루어지나요?
제가 아직 미숙해서 텍스트 전처리를 제대로 못한걸수도 있습니다 .^^;;
저는 Gui의 결과가 맘에 드는데 어떻게 하면 Gui의 출력처럼 나오게 할 수 있을까요? 감사합니다.
수정/삭제 답글
- 적분 ∫2tdt=t²+c
  
  2019.08.11 00:15 신고
  
  tomoto gui에서 사용하는 라이브러리 버전이 조금더 옛날것이라 발생하는 차이로 보입니다.
  -하는, -하고 와 같은 표현의 경우 형태소 분석기를 거치면 하/XSV, 는/ETM, 혹은 하/XSV, 고/EC 와 같이 분리가 되는게 맞습니다. 아마 예전 버전의 결과에서는 이것이 제대로 분리되지 않은 것으로 보입니다.
  
  즉, '분석하다'라는 문장이 입력되면 최신 버전의 kiwi에서는
  분석/NNG + 하/XSV + 다/EF
  로 분해가 됩니다.
  
  이를 붙여주시기 위해서는 kiwi로 분석한 결과 중 품사 태그가 XSV나 XSA인 경우 앞의 단어와 합치는 작업을 수행하셔야 합니다.
  수정/삭제
- 송일
  
  2019.08.22 00:56
  
  품사 태그는 세종품사태그를 사용하셨군요. 감사합니다.
  
  수정/삭제
- 적분 ∫2tdt=t²+c
  
  2019.08.23 00:15 신고
  
  네 맞습니다. 미약하나마 도움이 되셨길 바랍니다!
  수정/삭제
2019.10.19 07:20

비밀댓글입니다
수정/삭제 답글
- 적분 ∫2tdt=t²+c
  
  2019.10.19 10:20 신고
  
  토픽모델링은 확률적인 샘플링 과정을 거치기 때문에 실행시마다 결과가 달라질 수 밖에 없습니다. 좋은 방법은 iteration 횟수를 크게 높여 모델이 안정적인 상태로 수렴하게 하는 것이지만, 이 역시도 실행시마다 결과가 바뀝니다.
  
  결과를 고정시키는 확실한 방법은 난수의 시드값을 고정시키는 수밖에 없는데, 처음에 LDAModel을 만들때 tp.LDAModel(~~~~, seed=원하는값) 으로 설정하여 seed값을 고정시키시고
  train할때 train(workers=1)로 하여 멀티쓰레딩을 끄시면 됩니다.
  수정/삭제
- 2019.10.21 14:53
  
  비밀댓글입니다
  수정/삭제
MINER

2019.11.30 20:14

안녕하세요, 정말 좋은 자료 감사드립니다! 지금 tomotopy를 이용해서 토픽모델링을 진행하고 있는데요, 각 문헌별 각 토픽에 속할 확률을 어떻게 보는지 API를 계속 들여다봐도 잘 작동이 되지 않습니다ㅠㅠ 아마 get_topics 메서드를 써야하는 것 같은데.. 혹시 어떻게 코드를 실행해야 하는지 알 수 있을까요?
수정/삭제 답글
- 적분 ∫2tdt=t²+c
  
  2019.12.01 00:18 신고
  
  토픽 모델 변수가 mdl이라고 했을때
  mdl.docs[i].get_topics(top_n=10)을 수행하시면 i번째 문헌의 토픽 비중 상위 10개가 반환됩니다.
  문헌 번호는 add_doc을 실행한 순서대로 0번부터 차례로 주어집니다.
  수정/삭제
- 적분 ∫2tdt=t²+c
  
  2019.12.02 01:15 신고
  
  https://bab2min.tistory.com/641 에 관련 글을 올렸습니다. 도움이 되시기를 바랍니다!
  수정/삭제
- MINER
  
  2019.12.02 17:00
  
  헉 빠른 답변 완전 감사드립니다ㅠㅠㅠ 정말 많은 도움이 되었습니다!! 복 많이 받으세요!!
  수정/삭제
박장호

2020.03.19 11:28

안녕하세요,
프로젝트 진행하면서 토픽모델링까지 오게 되었습니다. tomotopy에서 dmr모델을 사용하면서 궁금한 점이 생겨서 질문드립니다! 학습데이터 넣을때 구문만 넣는다면 그냥 예시 따라한대로 add_doc를 통해서 쉽게 넣을 수 있었는데요, 날짜나 평점 같은 메타데이터까지 같이 넣을때는 add_doc의 파라미터를 어떤식으로 해야하는지 궁금합니다 :)
감사합니다!

수정/삭제 답글
- 박장호
  
  2020.03.19 13:18
  
  안녕하세요 ㅎㅎ metadata에는 라벨을 넣고 words파라미터에 메타데이터 정보를 포함해야하는 건줄 알았는데, 아예 그냥 메타데이터자체를 넣는거였군요! 보통 2개 이상의 메타데이터에 대해서는 어떤식으로 처리하나요? 그냥 하나의 스트링으로 합쳐서 넣으면 되는걸까요?
  감사합니다
  수정/삭제
- 적분 ∫2tdt=t²+c
  
  2020.03.19 21:47 신고
  
  네, metadata로 메타데이터 자체를 넣어주시면 됩니다. 메타 데이터가 2개 이상인 경우는 실험 목적에 따라 하나만 골라서 넣으시거나 둘을 합쳐서 넣으시면 되겠습니다.
  수정/삭제
- 박장호
  
  2020.03.20 09:54
  
  넵 친절한 답변 감사드립니다 :)
  수정/삭제
베짱이

2020.05.03 14:17

저한테만 생기는 문제인지는 모르겠지만
tomotopy를 import하고 pyinstaller 로 컴파일을 하면 CPU가 100%가 되면서
재귀적으로 자신을 계속 실행하는 현상이 있던데요...

import tomotopy as tp
from kiwipiepy import Kiwi

model = tp.LDAModel(k=10, alpha=0.1, eta=0.01, min_cf=2)

요렇게만 넣어도 같은 현상이 있네요 ^^;;
(python 3.7 / WIN10 64bit)
수정/삭제 답글
- 적분 ∫2tdt=t²+c
  
  2020.05.03 21:32 신고
  
  아마 pyinstaller와 호환이 잘 안되는 부분이 있는거 같습니다. 원인에 대해 자세히 확인해보고 알려드리도록 하겠습니다~
  수정/삭제
김창석

2020.05.16 06:34

안녕하세요. 현재 Tomoto에서는 topic_word_dist이 확률값으로 주어지는데,
혹시 확률값을 계산하기 전에 topic별 word count를 뽑아볼수없나요?

비율이 아닌 count를 써야할 일이있는데 tomoto에 정의된 함수에서는,
비율만 제공을 하는 것같아서요.
수정/삭제 답글
- 적분 ∫2tdt=t²+c
  
  2020.05.21 12:47 신고
  
  현재는 확률만 제공되고 있구요 카운트를 제공하는 별도의 함수는 없습니다. 다만 다음과 같은 방법으로 직접 카운팅을 할수는 있습니다.
  
  from collections import Counter
  count = Counter()
  for doc in models.docs:
  count.update(doc.topics)
  
  for k, n in count.most_common():
  print(k, n)
  
  다음버전에서는 카운트를 바로 제공하는 함수도 추가해보도록 하겠습니다~!
  수정/삭제
김하연

2020.08.06 00:52

혹시 토픽별 수치나 단어별 수치 값은 안나올까요?
수정/삭제 답글
- 적분 ∫2tdt=t²+c
  
  2020.08.06 01:00 신고
  
  나옵니다. model.get_topic_words()가 리턴하는 값이 (단어, 단어의 확률값)입니다. 위의 예시는 단어만 출력한거구요. 원하신다면 둘 다 출력하실 수 있습니다.
  
  마찬가지로 문헌별 토픽 비율도 model.docs[0].get_topics()로 얻을 수 있습니다.
  수정/삭제
2020.08.06 15:57

비밀댓글입니다
수정/삭제 답글
- 적분 ∫2tdt=t²+c
  
  2020.08.07 13:47 신고
  
  음 코드 전체를 보여주셔아 어디가 문제인지 알 수 있을거 같습니다. 혹시 전체 코드와 데이터 샘플을 공유해주실수 있나요?
  수정/삭제
2020.08.07 17:44

비밀댓글입니다
수정/삭제 답글
- 적분 ∫2tdt=t²+c
  
  2020.08.07 19:22 신고
  
  제 메일주소는 페이지 하단부에 있습니다~ 이쪽으로 메일 주세요~
  수정/삭제