Introduce bitTA

bitTA

bitTA는 텍스트 데이터의 자연어 처리(NLP, Natural Language Processing), 텍스트 분석 모델 및 텍스트 분석을 위한 시각화와 도구 모음입니다.

기능

텍스트 데이터 전처리 기능

• 정규표현식 기반의 텍스트 데이터 조작으로 데이터를 정제함
  • 문서 단위의 전처리
    • 문서 필터링 (Filter Documents)
  • 텍스트 단위의 전처리
    • 텍스트 대체 (Replace Texts)
    • 텍스트 연결 (Concatenate Texts)
    • 텍스트 분리 (Split Texts)
    • 텍스트 제거 (Remove Texts)
• 띄어쓰기 보정
  
• 토큰화
  • N-Grams 토큰화 (Extracting N-Grams)
  • 품사 기반의 토큰화

텍스트 데이터 탐색 기능

텍스트 데이터를 탐색하여, 분석의 실마리를 찾거나 정제하는 기능의 Shiny 앱 제공

• 데이터 탐색
  • 패턴 검색
• 데이터 정제
  • 패턴 검색 및 치환
• 키워드 검색과 맥락 파악
  • N-Grams 토큰화 (Extracting N-Grams)
  • 품사 기반의 토큰화 (Extracting Nouns)
• 키워드 검색과 공동발현 분석
  • Collocation Analysis
• Vignettes
  • Explore Docs

형태소분석 기능

• mecab-ko 인터페이스
  • 품사 태깅
  • 품사 기반의 토큰화
• Vignettes
  • Morphological Analysis

감성분석

• KOSAC(Korean Sentiment Analysis Corpus) 기반의 감성분석
  • 긍정/부정 극성 도출
    • Positive/Negative
  • 감성확률 도출
    • 복합 (Complex)
    • 부정 (Negative)
    • 긍정 (Positive)
    • 중립 (Neutral)
    • 해당없음 (None)
  • 주관성(subjectivity) 도출

tidytext 패키지 호환

• tokenizer
  • 한글 형태소 기반의 POS tagger
    • morpho_mecab()
  • N-Grams 명사 tokenizer
    • tokenize_noun_ngrams()
• Unnest 토큰
  • 명사 n-grams 토큰 Unnest
    • unnest_noun_ngrams()
• Vignettes
  • Collaboration with tidytext package

특장점

bitTA는 토이(Toy) 데이터가 아닌 대용량 텍스트 데이터 처리를 목적으로 개발되었으며, 다음과 같은 특장점이 있습니다.

• 빠른 속도
  • 속도가 빠르고 성능이 좋은 mecab-ko를 형태소분석기로 채택
  • 병렬처리 프로세싱 구현
• 텍스트 탐색기와 룰 기반의 데이터 전처리
  • Shiny 앱으로 텍스트 데이터를 탐색하여 정제 룰을 발견하고,
  • 정제룰을 메타 파일에 등록하여,
  • 룰 기반의 데이터 전처리 수행
• 실무에 적용할 수 있는 사례 중심의 매뉴얼 제공
  • TO-DO