<고민해볼 과제들>

아래에 작성해봅니다.

<고민해볼 과제들>

1. 김수현, 사람, 연기, 김새론, 눈물

2. 효과적으로 데이터를 받아와 간편하게 시각화할 수 있다.

3. 영상속 언급된 키워드들을 추출하여 시각화한다.

4. 인공지능의 학습 시스템을 통해 단어들의 쓰임새를 분류 및 학습하여 이를 바탕으로 프로그램 제작이 가능할 것 같다.

5. 데이터를 받아오는 과정에서 시간도 같이 받아와 입력하면 시간대 별로 나누어 분석하는 것이 가능하다.

2.텍스트 데이터에서 중요한 정보나 패턴을 빠르게 파악할 수 있어, 분석 시간을 절약할 수 있다. 그리고 특히 대규모 텍스트 데이터에서 어떤 내용이 많이 언급되는지 즉시 시각적으로 확인할 수 있다.

3.비슷한 패턴이나 트렌드를 가진 데이터를 그룹으로 나누어, 각 그룹에 대해 더 구체적인 분석을 할 수 있을 것 같다

4.부정적인 댓글을 단지 욕으로만 구분한다면 구분할 수 있을 것 같지만 댓글이라는게 돌려까는 경우도 있기 때문에 이러한 점에서는 댓글 전체를 학습시키지않으면 좀 불가능하다고 생각한다

5.댓글은 시간대 별로 달라진다. 그 이유는 이미 현존하는 사례가 많기 때문에 생략하고 시간대 별로 분석하는 것이 가능한지에 대해서는 가능하다고 생각한다. 댓글을 작성하면 시간이 기록되기 때문에 시간값을 넣어서 만드면 가능할 것 같다

1. 가장 많이 언급된 5개단어 : 이대호(768개) , 롯데(504개) , 야구(226개), 응원(178개), 은퇴식(137개) --> 이유 : 아무래도 이대호 선수님이 경기하던 롯데 야구 홈 구장에서하는 은퇴식이다 보니 많은 사람들이 이대호 선수님의
미래를 응원하는 댓글이 많이 달렸기 때문일 것 같다.

2.사람들이 단 댓글이나 다른 뉴스 기사에서 중심적으로 다룬 내용이 어떤 것인지 바로 알 수 있을 것 같다.

3. 아직까지는 모르겠다. 그래도 있으면 필요한 단어들만 알아서 판단하여 만들어주는 그런 기술이 있으면 더 효과적일 것 같다

4. 만들 때 부정적인 댓글과 긍정적인 댓글을 학습을 시켜서 바로 바로 알게하면 할 수 있을 것 같다.

5. 가능할 것 같다. 왜냐하면 아침에 보던 영상이 밤에 오후에 할 일이 다 끝나고 볼 때 감정이 다를 것이기 때문이다.

1. 가장 많이 언급된 5개 단어 : 의학 (92개), 역사(80개), 치료 (62개), 생각 (58개), 전두엽 (58개)

   -> 이유 : 영상 자체가 정신병 치료의 역사를 다루는 이야기이다 보니 영상의 메인 주제에 관련된 단어들이 가장 많이 언급되는 것 같다.

2. 워드클라우드 데이터 분석의 효과 : 어떤 자료의 통계를 내거나 최빈값을 찾는데에 굉장히 유용한 것 같다. 엄청난 양의 자료를 한 눈에 정리해서 볼 수 있게 해주는 효과가 있다.

3. 워드클라우드 말고 더 효과적인 분석 방안 : 시각적인 도표 같은 자료들..? 잘은 모르겠지만 조금 더 시각적으로 파악이 쉬운 차트가 좋을 것 같다.

4. 사람들의 댓글에서 감정 분석 가능 여부 : 감정을 나타내는 단어들을 티처블 머신 같은 시스템으로 꾸준히 학습을 시키면 정확도는 조금 떨어지더라도 가능하긴 하지 않을까 싶긴하다.

5. 과연 댓글의 반응이 시간대 별로 바뀔까 & 시간대 별로 댓글을 분석할 수 있을까? : 유튜브 댓글에 시간 순으로 댓글을 정렬하는 기능이 있기 때문에 시간대 별 댓글 분석이 가능하긴 하지 않을까 싶다. 또한 시간대 별로 댓글의 반응은 아주 큰 차이는 없겠지만, 시간대 별로 사람들이 느끼는 무드와 피로도 등이 다르기 때문에, 사람들의 반응들이 어느정도 갈릴 수는 있을 것 같다.

고민해볼 과제들

1. 제러드 / 두산 / 기록 / 야구 / 득점

2. 시각적으로 어떤 주제에 대한 사람들의 다양한 의견을 빈도순으로 볼 수 있으며 이를 통해 마케팅 용도 혹은 데이터 분석으로 활용될 수 있음

3. 가장 많이 언급된 5개의 단어를 matplotlib의 파이 그래프르 통해서 나타낸다.

4. 모듈을 만들고 간단한 문장부터 차차 머신러닝을 시키면 어느정도 파악할 수 있을 것 같지만 반어법이 쓰인 문장이라든가 돌려서 말한 댓글들까지 소화할 수 있을지 의문이다.

5. 댓글이 작성된 시간을 7일 혹은 1달 별로 묶은 데이터를 가지고 워드클라우드를 돌리면 시간대 별로 어떤 키워드가 가장 많았는지 알 수 있으며 이를 통해 반응을 알 수 있다.

1. 생각, 사랑, 친구, 첫사랑, 사람

2. 데이터를 시각화하여 눈에 확 들어오도록 표현할 수 있다

3. 워드클라우드 이외에도, 영상 장면을 분석하면 더욱 자세한 내용을 분석하고 표기할 수 있다.

4. 단어를 분석하여 사용하는 언어의 부적절함을 판단할 수 있고, 사용하는 기호(느낌표, 마침표 등)을 분석하여 댓글의 전반적인 분위기를 파악할 수 있다.

5. 시간 라이브러리를 이용하여 실시간으로 데이터를 받는 방식을 적용하면 가능하다.

https://www.youtube.com/watch?v=RU8-Qavq7Oc

1. 친구, 첫사랑, 사람, 그때

2. 효과적으로 데이터를 받아와 시각화 한다

3. 영상속 키워드를 추출한다

4. 인공지능의 학습 시스템을 통해 단어들의 쓰임새를 분류 및 학습한다

5. 데이터로 시각화 하여 시간대 별로 분류가 가능하다

<고민해볼 과제들>

1. 뉴진스, 위약금, 민희진, 계약, 하이브(뉴진스 계약 관련 문제라 많이 나온듯하다.)

2. 요즘 화제가 되는 이야기 중 하나다 보니 단어만 보아도 무슨 영상인지 바로 알 수 있다.

3. 단어들을 조합해 보면서 어떤 내용으로 영상이 나올 수 있을지 파악 가능

4. '어도어'라는 단어에 '어'가 빠지는 것을 보아 특정 단어에 있는 '어', '거'를 제거하지 않는 코드를 작성 해야할 것 같다.

5. 뉴스가 나온 시점별로 데이터를 입력하면 시간별 여론을 파악할 수 있을 것이다.

<고민해볼 과제들>

1. 색소폰, 밴드, 노래, 보컬, 친구

2. 워드클라우드를 활용하면 직관적으로 데이터들을 인식할 수 있다.

3. 그래프로 나타낸다.

4. 긍정적인 키워드와 부정적인 키워드를 미리 정해놓아서 분석한다.

5. 데이터를 가져올때 시간에 대한 데이터도 같이 가져와서 시간대별로 분류한다.

1. 미국, 관세, 트럼프, 중국, 한국

미국의 트럼프 대통령이 우리나라에게 관세를 부과한 것에 대한 뉴스이기 때문에 그것과 연관된 5개의 단어가 가장 많이 언급되었다.

2. 특정 사건과 관련된 단어들을 시각화해서 한눈에 볼 수 있다는 효과가 있다.

3. 시간대 별로 데이터를 수집하거나 감정분석을 하는 등의 방법을 사용하면 더 효과적으로 분석하고 인사이트를 창출할 수 있을 것 같다.

4. 댓글에 언급된 단어들을 기준으로 부정적인지 긍정적인지 분류하면 가능할 것 같다.

5. 사람마다 활동하는 시간대가 다르기 때문에 시간대 별로 반응이 바뀔 수 있다고 생각한다. 데이터를 시간대별로 수집해서 활용하면 시간대 별로 분석하는 것도 가능할 것 같다.

경제, 국민, 정부, 정치, 부동산, 세금 같은 단어가 크다는 건, 사람들이 이 주제에 대해 많이 이야기하고 있다는 뜻인것 같다.

"부동산", "세금", "대출" 같은 단어가 많이 나와, 부동산 관련 정책 얘기가 많다는 걸 알 수 있다.

조사(이, 가 같은 것)를 빼고 분석하면 더 정확한 내용이 나올 수도 있다.

댓글이나 뉴스가 언제 올라왔는지 보면, 시간이 지나면서 사람들의 생각이 바뀌는지도 확인할 수 있을 것 같다.

2.단순히 단어 빈도뿐만 아니라, 특정 단어들로 대중의 반응이 긍정적인지 부정적인지도 유추할 수 있다. 그외에도 텍스트 데이터를 처음 접할 때, 어떤 단어가 많은지 확인하는 데,

분석 방향 설정에 도움을 줄수있을것 같다..

3.단어들 간의 관계를 시각화하는 연결망 분석을 활용하는 것이 괜찮을것 같다. 단순히 어떤 단어가 많이 나왔는지를 넘어서, 의미 있는 관계와 구조를 이해할 수 있을것이다,

4.사람들의 댓글에서 긍정적인지 부정적인지를 구분하는 감정 분석도 충분히 가능하다. 감정 분석은 텍스트에 담긴 감정의 방향을 인공지능이 학습된 데이터를 바탕으로 판단하는 방식으로, 댓글 속에서 어떤 표현이 긍정적인지, 부정적인지를 파악해 전반적인 분위기를 분석할 수 있다.

5.워드클라우드를 기간별로 비교하면 트렌드 변화를 알 수 있다.

2. 주제에 대해서 직접 조사하고, 댓글을 확인해가며 여론을 확인하지 않아도 시각화를 통해서 데이터를 한눈에 효율적으로 파악할 수 있다.

3. 빈도 분석을 통해 주요 키워드를 바 차트로 시각화하면 핵심 이슈를 쉽게 파악할 수 있고, 시간대별 분석을 활용하여 특정 사건 이후 여론이 어떻게 변하는지 추적할수있다.

4. 부정적인 단어와 긍정적인 단어의 데이터를 업데이트해 직접 판단할 수 있도록 감성 분석을 적용하면 댓글의 감정을 자동으로 분류할 수 있을것 같다.

5. 여론은 쉽게 바뀌는 경향이 있기 때문에, 시간대에 따라 사람들의 의견과 반응도 달라진다. 각 시간대마다 데이터를 업데이트하고 이를 바탕으로 시각화 자료를 만든다면, 여론이 어떻게 변화하는지 보다 정확하게 분석할 수 있을 것이다.