워드클라우드 만들기 전 텍스트 전처리 방법

워드클라우드의 가장 큰 단어가 "것", "수", "있다"인 경우를 자주 본다. 전처리 없이 원문을 넣었기 때문이다. 의미 있는 워드클라우드는 전처리 품질에서 시작한다.

핵심 답변

한국어 워드클라우드 전처리는 3단계입니다. 1) KoNLPy Okt로 형태소 분석 후 명사만 추출합니다. 2) '것', '수', '때', '곳' 같은 의미 없는 불용어를 제거합니다. 3) 단어 빈도를 계산해 Counter 객체로 만들면 Python wordcloud 라이브러리에 바로 입력할 수 있습니다. 폰트는 한국어를 지원하는 NanumGothic 등을 별도 지정해야 합니다.

한국어 워드클라우드의 핵심 문제

한국어는 조사·어미가 단어에 결합하기 때문에 영어처럼 공백으로 단어를 분리하면 "배송이", "배송을", "배송의"가 각각 다른 단어로 집계된다. 이를 해결하려면 형태소 분석이 필수다.

전처리 전체 코드

python
from konlpy.tag import Okt
from collections import Counter
from wordcloud import WordCloud
import matplotlib.pyplot as plt

# 1. 형태소 분석 - 명사만 추출
okt = Okt()
text = "여기에 분석할 텍스트를 넣으세요..."
nouns = okt.nouns(text)

# 2. 불용어 제거
stopwords = {'것', '수', '때', '곳', '점', '등', '및', '즉', '위',
             '이', '그', '저', '우리', '나', '너', '왜', '어떻게'}
nouns = [n for n in nouns if n not in stopwords and len(n) > 1]

# 3. 빈도 계산
word_freq = Counter(nouns)

# 4. 워드클라우드 생성
wc = WordCloud(
    font_path='NanumGothic.ttf',  # 한국어 폰트 필수
    width=800,
    height=600,
    background_color='white',
    max_words=100,
)
wc.generate_from_frequencies(word_freq)

plt.figure(figsize=(10, 7))
plt.imshow(wc, interpolation='bilinear')
plt.axis('off')
plt.show()

불용어 목록 관리 전략

기본 불용어 외에 도메인 특화 불용어를 추가해야 한다. 쇼핑몰 리뷰 분석이라면 "상품", "구매", "주문"처럼 모든 리뷰에 등장하는 단어도 불용어에 포함시켜야 실제 차별화된 키워드가 드러난다.

시각화 품질 높이기

• TF-IDF 가중치 적용: 단순 빈도 대신 TF-IDF 점수를 빈도로 사용하면 문서 특성을 더 잘 반영
• 마스크 이미지 적용: 특정 형태(원, 별 등)로 워드클라우드 모양 지정 가능
• 색상 함수 커스터마이징: 긍정 단어는 파란색, 부정 단어는 붉은색으로 감성별 색 적용

실무 활용 사례

사례 1: 연구 논문 키워드 시각화

논문 초록 200편을 한꺼번에 워드클라우드로 만들면 특정 연구 분야의 핵심 키워드 트렌드를 한눈에 파악할 수 있다. 형태소 분석으로 명사만 추출하고, "연구", "결과", "방법" 같은 학술 범용어를 불용어로 추가하면 실제 연구 주제어가 선명하게 드러난다.

사례 2: 소비자 인터뷰 분석

포커스 그룹 인터뷰 전사본을 워드클라우드로 시각화하면 참여자들이 공통으로 언급한 키워드를 즉시 확인할 수 있다. TF-IDF를 적용하면 여러 문서에서 공통으로 등장하는 일반 단어가 억제되어 각 참여자의 독자적인 표현이 부각된다.

사례 3: SNS 트렌드 리포트

주간 단위로 수집한 해시태그 텍스트를 워드클라우드로 만들면 브랜드 관련 화제어 변화를 시각적으로 추적할 수 있다. 전주와 비교해 새로 등장한 단어를 하이라이트 색상으로 표시하면 트렌드 변화를 빠르게 보고할 수 있다.

마무리

이 글에서 정리한 기준을 실제 작업에 적용할 때는 [텍스터브 글자수 세기](/tools/char-counter/) 도구로 분량을 직접 확인하면서 진행하면 더 정확하게 맞출 수 있다.