일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
- 삼정kpmg 취업
- python
- 형태소분석
- pyLDAvis
- 컨설팅 면접
- kpmg 인성검사
- 역검 전략게임 꿀팁
- 프로그래머스
- join
- 오류
- 역검 전략게임
- 파이썬
- 서비스
- nlp
- 역검 합격 꿀팁
- gensim
- 삼정kpmg 서류
- 코딩테스트
- 잡다 ai역량검사
- 토픽모델링
- MYSQL
- mecab
- ai역검 합격
- 후기
- 삼정kpmg mc4
- SQL
- 잡다 ai역검
- 역검 결과표
- 삼정kpmg pt면접
- lda
- Today
- Total
쥬니어 분석가
[NLP/토픽모델링] 리뷰 분석 - LDA 결과 해석 본문
지난 게시물에서는 LDA 시각화를 구현해보았습니다.
🔽 LDA 시각화 방법 참고
[NLP/토픽모델링] 리뷰 분석 - LDA 모델링, 하이퍼파라미터 튜닝
지난 게시글에서 집닥 인테리어 고객 후기 데이터를 크롤링하여 데이터프레임으로 추출하였습니다. 이번 게시글에서는 LDA 토픽 모델링을 토대로 집닥 인테리어 후기를 분석해보겠습니다. 1. 텍
jiyoon1ing.tistory.com
이번 게시물에서는 LDA 토픽모델링 시각화를 통해 얻은 각 토픽 별 단어들을 보고 공통점을 찾아 라벨링을 해주고, 유사한 토픽끼리는 그룹을 묶어서 확인해보려고 합니다.
▶ Group 1. 만족도 관련 - Topic 1,2,4
Topic 1 - 시공 전반적 만족도
키워드 : 인테리어, 공사, 진행, 집, 사장, 견적, 감사, 시공, 만족, 생각, 추천
Topic 2 - 인테리어 디자인 관련 만족도
키워드 : 인테리어, 공사, 집, 견적, 디자인, 진행, 생각, 시공, 실장, 사진, 만족, 현장
Topic 4 - 고객 만족도(응대)
키워드 : 집, 공사, 인테리어, 사장, 만족, 감사, 아파트, 친절, 진행, 이사, 리모델링, 신경
▶ Group 2. 특정 공간 인테리어 - Topic 3,9,10
Topic 3 - 특정 공간 인테리어 1 (거실, 주방,화장실..)
키워드 : 사장, 인테리어, 주방, 시공, 거실, 화장실, 집, 화이트, 방, 타일, 톤, 베란다
Topic 9 - 특정 공간 인테리어 2 (공간 전체 단위 ex.북카페, 집, 독서실..)
키워드 : 인테리어, 공사, 집, 북카페, 중간, 감사, 비버, 시작, 신경, 작업, 사물함, 독서실
Topic 10 - 특정 공간 인테리어 3 (계단 ..)
키워드 : 계단, 최고, 문제점, 소장, 작업, 한강, 뷰, 자재, 실장, 학원, 위치, 구조
▶ Group 3. 디자인 관련 - Topic 5,6
Topic 5 - 전체 리모델링 및 조명 관련
키워드 : 인테리어, 공사, 집, 북카페, 중간, 감사, 비버, 시작, 신경, 작업, 사물함, 독서실
Topic 6 - 인테리어 포인트 강조
키워드 : 캔버스, 대표, 집, 주방, 인테리어, 공간, 거실, 현관, 조명, 감사, 예산, 중문, 분위기, 만족
▶ Group 4. 시공 과정 - Topic 7,8
Topic 7 - 세부 시공 진행 과정
키워드 : 사장, 진행, 집, 화장실, 인테리어, 타일, 공사, 시공, 시간, 만족, 견적, 새시, 현관
Topic 8 - 시공 마무리 과정
키워드 : 시공, 인테리어, 작업, 공사, 견적, 감사, 대표, 마무리, 만족, 친절, 신경, 기간, 현장, 사항, 마감
토픽 모델링을 통해 분석해본 결과 집닥 서비스를 사용하는 이유에는 계획대로 디자인 작업 여부, 친절한 의사소통 및 상세한 진행 상황 설명, 그리고 사후 관리 등이 있다고 확인할 수 있었습니다.
또한 주로 인테리어나 시공 관련해서 조명이나 색감 등 디자인 요소를 중요시 하는 것 같고, 북카페/독서실 등 특수 장소보다 아파트 인테리어 관련 후기가 많은 것을 확인해볼 수 있었습니다.
토픽모델링 구현 후 라벨링부터는 개인의 주관이 들어가기 때문에 결과 분석에 어려움이 있었지만그래도 실습을 해보고 토픽모델링 전 과정을 실습해봤다는 것에 의의를 두려고 합니다.
이상으로 토픽 모델링 하이터 파라미터 튜닝부터 LDA 시각화, 결과 해석까지 완료
'python' 카테고리의 다른 글
[NLP/토픽모델링] 리뷰 분석 - LDA 모델링, 하이퍼파라미터 튜닝 (0) | 2024.03.11 |
---|---|
[파이썬/NLP] 텍스트 전처리 - 정제 및 정규화 feat.replace,re (0) | 2024.02.16 |
[파이썬/크롤링] 집닥 고객 후기 크롤링 with Selenium, BeautifulSoup (0) | 2024.02.14 |
[NLP/mecab] 품사 태그 (0) | 2024.02.14 |
[파이썬/NLP] 형태소 분석, 노래 가사 워드클라우드 feat.Mecab,Okt,kkma (1) | 2024.01.25 |