코드 10줄로 시작해 보는 텍스트 분석

라이브 스크립트 열기

이 예제에서는 MATLAB® 코드 단 10줄로 텍스트 분석을 사용해 텍스트 데이터를 분류하는 방법을 보여줍니다. 이 예제를 실행해 보면 MATLAB에서 텍스트 분석을 시작하는 것이 얼마나 간단한지 알 수 있습니다.

단어 빈도 수를 예측 변수로 사용하는 간단한 분류 모델을 만들 수 있습니다. 이 예제에서는 텍스트 설명을 사용하여 공장 보고서의 이벤트 유형을 예측하도록 분류 모델을 훈련시킵니다.

모델 만들기

모델을 만들기 위한 기본 단계는 다음과 같습니다.

  1. 가져오기 – 텍스트 데이터를 MATLAB으로 가져옵니다.

  2. 전처리 – 단어 분석을 위해 텍스트를 전처리합니다.

  3. 변환 – 텍스트를 숫자형 데이터로 변환합니다.

  4. 훈련 – 분류 모델을 훈련시킵니다.

예제 텍스트 데이터와 레이블을 가져온 다음 텍스트를 토큰화합니다. 토큰화한 텍스트를 bag-of-words 모델을 사용해 숫자형 데이터로 변환합니다. 그런 다음 지도 SVM 분류기를 훈련시킵니다.

data = readtable('factoryReports.csv','TextType','String'); % Read data
labels = categorical(data.Category);                        % Read labels

documents = tokenizedDocument(data.Description);            % Preprocess text

bag = bagOfWords(documents);                                % Count words
XTrain = bag.Counts;                                        % Convert to numeric data

mdl = fitcecoc(XTrain,labels,'Learners','linear');          % Train classifier

새 데이터를 사용하여 예측하기

예측 단계는 훈련 단계와 유사합니다. 새 데이터로 예측하려면 훈련할 때 사용했던 것과 동일한 단계를 그대로 사용해 텍스트 데이터를 전처리하고 전처리한 데이터를 숫자형으로 변환합니다. 그런 다음 훈련된 모델을 사용하여 레이블을 예측합니다.

텍스트 "Coolant is pooling underneath sorter."에 대한 레이블을 예측합니다.

str = "Coolant is pooling underneath sorter.";              % Import text
documentsNew = tokenizedDocument(str);                      % Preprocess text
XTest = encode(bag,documentsNew);                           % Convert to numeric
label = predict(mdl,XTest)                                  % Predict label
label = categorical
     Leak

자세한 워크플로를 보여주는 예제는 분류를 위한 간단한 텍스트 모델 만들기 항목을 참조하십시오.

텍스트 분석의 다음 단계로, 데이터를 전처리해 모델 정확도를 개선하고 워드 클라우드를 사용해 텍스트 데이터를 시각화해 볼 수 있습니다. 예제는 분석할 텍스트 데이터 준비하기 및 워드 클라우드를 사용하여 텍스트 데이터 시각화하기 항목을 참조하십시오.

참고 항목

| |

도움말 항목