[GitHub AI 스킬 #0117] flair: 코딩 초보도 텍스트 분석을 시작하는 NLP 도구

GitHub flairNLP/flair ★ 14,376
A very simple framework for state-of-the-art Natural Language Processing (NLP) https://github.com/flairNLP/flair

스마트폰 메모장에 적어둔 고객 후기 100건을 읽으며 한숨 쉬어본 적 있나요? "이게 좋다는 거야, 나쁘다는 거야?" 하나씩 눈으로 분류하다 보면 점심시간이 사라집니다. 이런 작업을 컴퓨터가 대신 해준다면 어떨까요?

이런 분들께 추천합니다

• 쇼핑몰을 운영하는데 후기가 긍정인지 부정인지 자동으로 나누고 싶은 분
• 긴 뉴스 기사나 보고서에서 인물 이름, 회사명, 지역만 쏙 뽑아내고 싶은 분
• AI로 텍스트를 다뤄보고 싶지만 어려운 수학이나 논문은 부담스러운 분

이 세 가지 중 하나라도 해당한다면 flair가 답이 될 수 있습니다.

flair가 대체 뭔가요?

flair는 독일 베를린 훔볼트 대학교에서 만든 무료 도구입니다. 깃허브에서 별 14,376개를 받았고, 컴퓨터가 사람의 글을 이해하도록 돕는 일을 합니다. 이런 분야를 자연어 처리, 영어로 NLP라고 부릅니다.
쉽게 비유하면 flair는 '글 읽는 능력을 가진 똑똑한 인턴'입니다. 여러분이 "이 문장에서 사람 이름 찾아줘"라고 시키면 척척 찾아냅니다. "이 후기가 기분 좋은 내용이야?"라고 물으면 긍정인지 부정인지 답합니다. 그것도 한국어, 영어, 독일어 등 여러 언어로요.
이 인턴이 일을 잘하는 이유는 미리 똑똑하게 훈련된 상태로 여러분에게 오기 때문입니다. 여러분이 처음부터 가르칠 필요가 없습니다. 다운로드만 하면 곧바로 일을 시작합니다.

flair는 파이썬이라는 프로그래밍 언어로 돌아갑니다. 코드를 한 줄도 모른다고 걱정하지 마세요. 아래에서 복사 붙여넣기만 하면 되도록 차근차근 안내합니다.

어디에 쓸 수 있나요?

1. 후기 감정 분석

쇼핑몰 후기 500개를 긍정과 부정으로 자동 분류합니다. 별점이 없는 텍스트 후기도 분위기를 읽어냅니다.

2. 핵심 정보 추출

긴 계약서나 뉴스에서 사람 이름, 회사명, 날짜, 지역을 자동으로 뽑습니다. 이걸 개체명 인식(NER)이라고 부릅니다.

3. 고객 문의 자동 분류

"환불 문의", "배송 문의", "상품 질문"처럼 들어온 메일을 종류별로 나눕니다.

4. 의료 및 바이오 텍스트 처리

flair는 의학 논문에서 질병명, 약물명을 찾아내는 전용 기능(HunFlair2)도 갖췄습니다. 연구자에게 유용합니다.

5. 문장 구조 분석

문장에서 어떤 단어가 동사고 명사인지 자동으로 표시합니다. 언어 공부나 챗봇 개발에 씁니다.

어떻게 시작하나요?

1단계: 파이썬 설치 확인

먼저 컴퓨터에 파이썬이 있어야 합니다. 윈도우나 맥에서 터미널(검은 명령어 창)을 열고 아래를 입력하세요.

python --version

숫자가 나오면 설치된 겁니다. 3.8 이상이면 충분합니다. 아무것도 안 나오면 python.org에서 먼저 설치하세요.

2단계: flair 설치

터미널에 딱 한 줄만 칩니다.

pip install flair

인터넷에서 필요한 파일을 알아서 받아옵니다. 1분에서 5분 정도 걸립니다. 끝나면 준비 완료입니다.

3단계: 첫 코드 실행

메모장이나 코드 편집기에 아래 내용을 적고 test.py로 저장하세요.

from flair.data import Sentence
from flair.nn import Classifier

# 분석할 문장 입력
sentence = Sentence("George Washington went to Washington.")

# 이름, 지역을 찾는 모델 불러오기
tagger = Classifier.load("ner")

# 분석 실행
tagger.predict(sentence)

# 결과 출력
print(sentence)

그다음 터미널에서 실행합니다.

python test.py

처음 실행할 때는 모델 파일을 받느라 시간이 좀 걸립니다. 결과로 "George Washington"은 사람, "Washington"은 지역이라고 표시됩니다. 컴퓨터가 문장에서 이름과 장소를 구분해낸 겁니다.

실제 사용 예시: 카페 후기 감정 분석

작은 카페를 운영하는 민지 씨의 경우를 봅시다. 인스타그램 댓글이 매일 수십 개씩 쌓이는데, 좋은 반응인지 불만인지 일일이 읽기가 벅찼습니다. flair로 이걸 자동화했습니다.

from flair.data import Sentence
from flair.nn import Classifier

# 감정 분석 모델 불러오기
tagger = Classifier.load("sentiment")

# 후기 목록
reviews = [
    "The coffee was amazing and the staff was so kind!",
    "Waited 30 minutes and the order was wrong.",
]

# 하나씩 분석
for review in reviews:
    sentence = Sentence(review)
    tagger.predict(sentence)
    print(review, "->", sentence.labels)

실행하면 첫 번째 후기는 POSITIVE, 두 번째는 NEGATIVE로 나옵니다. 200개 후기를 몇 초 만에 분류합니다. 민지 씨는 부정 후기만 골라 빠르게 응대할 수 있게 됐습니다.
한국어 후기를 다루고 싶다면 다국어 모델을 쓰면 됩니다. flair는 한국어를 포함한 여러 언어를 지원하니, 모델 이름만 바꿔주면 됩니다.

주의사항 & 팁

솔직한 한계 하나. flair는 영어 처리는 매우 강하지만, 한국어 세밀한 작업에서는 영어만큼 정확하지 않을 때가 있습니다. 한국어 전용 작업이 많다면 결과를 한 번씩 직접 확인하는 습관을 들이세요.

몇 가지 더 챙기면 좋은 점입니다.

• 첫 실행은 느립니다. 모델 파일을 처음 받을 때만 그렇습니다. 두 번째부터는 빨라집니다.
• 인터넷 연결이 필요합니다. 모델을 다운로드하는 동안에는 와이파이가 켜져 있어야 합니다.
• 오류가 나면 메시지를 복사하세요. 그대로 검색하거나 챗봇에 붙여넣으면 대부분 해결책이 나옵니다.
• 설치가 막히면 가상환경을 쓰세요. 파이썬 프로젝트끼리 충돌을 막아줍니다. 초보 단계에서는 일단 기본 설치로 시작해도 됩니다.

flair는 MIT 라이선스라 개인이든 회사든 무료로 씁니다. 상업적 프로젝트에 넣어도 비용 걱정이 없습니다.

마무리

flair는 코딩을 몰라도 텍스트 분석의 첫걸음을 떼게 해주는 도구입니다. 설치 한 줄, 코드 몇 줄로 후기 분류와 이름 추출이 됩니다. 직접 모델을 훈련시키는 고급 기능도 있지만, 처음에는 미리 만들어진 모델을 가져다 쓰는 것만으로 충분합니다.
오늘 배운 감정 분석 코드를 여러분의 실제 데이터에 적용해보세요. 카페 후기든, 설문 답변이든, 직접 돌려보면 감이 옵니다.
다음 글에서는 글이 아니라 그림을 다루는 도구를 소개합니다. 텍스트 한 줄로 이미지를 만들어내는 생성 AI 도구를 가지고 돌아오겠습니다. 그때 또 만나요.