감성분석_프로토타입_최종.ipynb

{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 2,
   "id": "6cbcdfe0",
   "metadata": {},
   "outputs": [],
   "source": [
    "import pandas as pd\n",
    "import numpy as np\n",
    "import matplotlib.pyplot as plt\n",
    "import re\n",
    "import urllib.request\n",
    "from konlpy.tag import Okt\n",
    "from tqdm import tqdm\n",
    "from tensorflow.keras.preprocessing.text import Tokenizer\n",
    "from tensorflow.keras.preprocessing.sequence import pad_sequences"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "002b2f87",
   "metadata": {},
   "source": [
    "## 1. 데이터 로드 + 훈련데이터와 테스트 데이터로 나누기"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 9,
   "id": "9103e071",
   "metadata": {},
   "outputs": [],
   "source": [
    "cafe_reviews = pd.read_csv('C:/Users/User/Desktop/cafe_reviews.csv', encoding='cp949') \n",
    "# 긍정 리뷰 874개, 부정 리뷰 700개로 이루어진 카페 리뷰 데이터"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 10,
   "id": "7e1bdca7",
   "metadata": {},
   "outputs": [],
   "source": [
    "from sklearn.model_selection import train_test_split \n",
    "# 훈련 데이터와 테스트 데이터를 랜덤으로 나누어 주기 위해 train_test_split import 해온다.\n",
    "# 이 라이브러리를 사용하면 두 데이터에 0과 1을 골고루 섞어줄 수 있다."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 11,
   "id": "c9a50cc6",
   "metadata": {},
   "outputs": [],
   "source": [
    "train_data, test_data = train_test_split(cafe_reviews, random_state=42)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 12,
   "id": "190ad302",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "(1180, 68)\n"
     ]
    }
   ],
   "source": [
    "print(train_data.shape) # 훈련 데이터 1180개"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 13,
   "id": "99c39fba",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "(394, 68)\n"
     ]
    }
   ],
   "source": [
    "print(test_data.shape) # 테스트 데이터 394"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 14,
   "id": "dbe77d2e",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>review</th>\n",
       "      <th>label</th>\n",
       "      <th>Unnamed: 2</th>\n",
       "      <th>Unnamed: 3</th>\n",
       "      <th>Unnamed: 4</th>\n",
       "      <th>Unnamed: 5</th>\n",
       "      <th>Unnamed: 6</th>\n",
       "      <th>Unnamed: 7</th>\n",
       "      <th>Unnamed: 8</th>\n",
       "      <th>Unnamed: 9</th>\n",
       "      <th>...</th>\n",
       "      <th>Unnamed: 58</th>\n",
       "      <th>Unnamed: 59</th>\n",
       "      <th>Unnamed: 60</th>\n",
       "      <th>Unnamed: 61</th>\n",
       "      <th>Unnamed: 62</th>\n",
       "      <th>Unnamed: 63</th>\n",
       "      <th>Unnamed: 64</th>\n",
       "      <th>Unnamed: 65</th>\n",
       "      <th>Unnamed: 66</th>\n",
       "      <th>Unnamed: 67</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>1108</th>\n",
       "      <td>커피는 괜찮지만, 2층 흡연실 문이 열리고 닫힐때마다 담배연기가 실내에 퍼져 비흡연...</td>\n",
       "      <td>0</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1490</th>\n",
       "      <td>예쁘기만해요... 맛은...가격도조금비싸요</td>\n",
       "      <td>0</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>365</th>\n",
       "      <td>널찍하고 조았다 스무디볼 존맛</td>\n",
       "      <td>1</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>265</th>\n",
       "      <td>굿</td>\n",
       "      <td>1</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>287</th>\n",
       "      <td>카공족에게는 너무 좋은 곳</td>\n",
       "      <td>1</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>4.5</td>\n",
       "      <td>최근 방문일</td>\n",
       "      <td>21.7.15.목</td>\n",
       "      <td>2021년 7월 15일 목요일</td>\n",
       "      <td>영수증</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1130</th>\n",
       "      <td>화장실 개 더러워 어떻게 사용해..?</td>\n",
       "      <td>0</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1294</th>\n",
       "      <td>사람이 많아 짱 많아</td>\n",
       "      <td>0</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>860</th>\n",
       "      <td>시험기간 공부장소 안성맞춤 개꿀</td>\n",
       "      <td>1</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1459</th>\n",
       "      <td>사람 쥰내많아서 앉으려면 기다려야됨</td>\n",
       "      <td>0</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1126</th>\n",
       "      <td>어릴때먹어본기억이있어서 한번사봤어요. 제가 먹어봤던 그맛이 맞는건진 모르겠는데..?...</td>\n",
       "      <td>0</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>1180 rows × 68 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                                 review  label  Unnamed: 2  \\\n",
       "1108  커피는 괜찮지만, 2층 흡연실 문이 열리고 닫힐때마다 담배연기가 실내에 퍼져 비흡연...      0         NaN   \n",
       "1490                            예쁘기만해요... 맛은...가격도조금비싸요      0         NaN   \n",
       "365                                    널찍하고 조았다 스무디볼 존맛      1         NaN   \n",
       "265                                                   굿      1         NaN   \n",
       "287                                      카공족에게는 너무 좋은 곳      1         NaN   \n",
       "...                                                 ...    ...         ...   \n",
       "1130                               화장실 개 더러워 어떻게 사용해..?      0         NaN   \n",
       "1294                                        사람이 많아 짱 많아      0         NaN   \n",
       "860                                   시험기간 공부장소 안성맞춤 개꿀      1         NaN   \n",
       "1459                                사람 쥰내많아서 앉으려면 기다려야됨      0         NaN   \n",
       "1126  어릴때먹어본기억이있어서 한번사봤어요. 제가 먹어봤던 그맛이 맞는건진 모르겠는데..?...      0         NaN   \n",
       "\n",
       "      Unnamed: 3  Unnamed: 4  Unnamed: 5  Unnamed: 6  Unnamed: 7  Unnamed: 8  \\\n",
       "1108         NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "1490         NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "365          NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "265          NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "287          NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "...          ...         ...         ...         ...         ...         ...   \n",
       "1130         NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "1294         NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "860          NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "1459         NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "1126         NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "\n",
       "      Unnamed: 9  ...  Unnamed: 58  Unnamed: 59  Unnamed: 60 Unnamed: 61  \\\n",
       "1108         NaN  ...          NaN          NaN          NaN         NaN   \n",
       "1490         NaN  ...          NaN          NaN          NaN         NaN   \n",
       "365          NaN  ...          NaN          NaN          NaN         NaN   \n",
       "265          NaN  ...          NaN          NaN          NaN         NaN   \n",
       "287          NaN  ...          NaN          NaN          NaN         NaN   \n",
       "...          ...  ...          ...          ...          ...         ...   \n",
       "1130         NaN  ...          NaN          NaN          NaN         NaN   \n",
       "1294         NaN  ...          NaN          NaN          NaN         NaN   \n",
       "860          NaN  ...          NaN          NaN          NaN         NaN   \n",
       "1459         NaN  ...          NaN          NaN          NaN         NaN   \n",
       "1126         NaN  ...          NaN          NaN          NaN         NaN   \n",
       "\n",
       "     Unnamed: 62 Unnamed: 63 Unnamed: 64 Unnamed: 65       Unnamed: 66  \\\n",
       "1108         NaN         NaN         NaN         NaN               NaN   \n",
       "1490         NaN         NaN         NaN         NaN               NaN   \n",
       "365          NaN         NaN         NaN         NaN               NaN   \n",
       "265          NaN         NaN         NaN         NaN               NaN   \n",
       "287          NaN         4.5      최근 방문일   21.7.15.목  2021년 7월 15일 목요일   \n",
       "...          ...         ...         ...         ...               ...   \n",
       "1130         NaN         NaN         NaN         NaN               NaN   \n",
       "1294         NaN         NaN         NaN         NaN               NaN   \n",
       "860          NaN         NaN         NaN         NaN               NaN   \n",
       "1459         NaN         NaN         NaN         NaN               NaN   \n",
       "1126         NaN         NaN         NaN         NaN               NaN   \n",
       "\n",
       "     Unnamed: 67  \n",
       "1108         NaN  \n",
       "1490         NaN  \n",
       "365          NaN  \n",
       "265          NaN  \n",
       "287          영수증  \n",
       "...          ...  \n",
       "1130         NaN  \n",
       "1294         NaN  \n",
       "860          NaN  \n",
       "1459         NaN  \n",
       "1126         NaN  \n",
       "\n",
       "[1180 rows x 68 columns]"
      ]
     },
     "execution_count": 14,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "train_data"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 15,
   "id": "3fff7bd6",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>review</th>\n",
       "      <th>label</th>\n",
       "      <th>Unnamed: 2</th>\n",
       "      <th>Unnamed: 3</th>\n",
       "      <th>Unnamed: 4</th>\n",
       "      <th>Unnamed: 5</th>\n",
       "      <th>Unnamed: 6</th>\n",
       "      <th>Unnamed: 7</th>\n",
       "      <th>Unnamed: 8</th>\n",
       "      <th>Unnamed: 9</th>\n",
       "      <th>...</th>\n",
       "      <th>Unnamed: 58</th>\n",
       "      <th>Unnamed: 59</th>\n",
       "      <th>Unnamed: 60</th>\n",
       "      <th>Unnamed: 61</th>\n",
       "      <th>Unnamed: 62</th>\n",
       "      <th>Unnamed: 63</th>\n",
       "      <th>Unnamed: 64</th>\n",
       "      <th>Unnamed: 65</th>\n",
       "      <th>Unnamed: 66</th>\n",
       "      <th>Unnamed: 67</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>1121</th>\n",
       "      <td>왔다가 정말 스트레스만 적립하고 감.</td>\n",
       "      <td>0</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>811</th>\n",
       "      <td>주차 너무 편해요~</td>\n",
       "      <td>1</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1172</th>\n",
       "      <td>층별로 분위기 다르고 공부하기도 좋은데 사람들이 많이 오면 와이파이가 너무 약해서 ...</td>\n",
       "      <td>0</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>534</th>\n",
       "      <td>진짜 맛있어요</td>\n",
       "      <td>1</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>514</th>\n",
       "      <td>분위기도 좋고, 사장님도 친절합니다.</td>\n",
       "      <td>1</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1460</th>\n",
       "      <td>2층에 테이블간 간격이 넘좁아요</td>\n",
       "      <td>0</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>936</th>\n",
       "      <td>너무 시끄러워서 공부 집중이 안되네요</td>\n",
       "      <td>0</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1338</th>\n",
       "      <td>이걸 보는 다른 손님들이 계시다면 차라리 편의점 커피를 드시길 추천합니다.</td>\n",
       "      <td>0</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>692</th>\n",
       "      <td>가게도 깨끗하고 분위기 좋아요</td>\n",
       "      <td>1</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>86</th>\n",
       "      <td>굿</td>\n",
       "      <td>1</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>...</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "      <td>NaN</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>394 rows × 68 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                                 review  label  Unnamed: 2  \\\n",
       "1121                               왔다가 정말 스트레스만 적립하고 감.      0         NaN   \n",
       "811                                          주차 너무 편해요~      1         NaN   \n",
       "1172  층별로 분위기 다르고 공부하기도 좋은데 사람들이 많이 오면 와이파이가 너무 약해서 ...      0         NaN   \n",
       "534                                             진짜 맛있어요      1         NaN   \n",
       "514                                분위기도 좋고, 사장님도 친절합니다.      1         NaN   \n",
       "...                                                 ...    ...         ...   \n",
       "1460                                  2층에 테이블간 간격이 넘좁아요      0         NaN   \n",
       "936                                너무 시끄러워서 공부 집중이 안되네요      0         NaN   \n",
       "1338          이걸 보는 다른 손님들이 계시다면 차라리 편의점 커피를 드시길 추천합니다.      0         NaN   \n",
       "692                                    가게도 깨끗하고 분위기 좋아요      1         NaN   \n",
       "86                                                    굿      1         NaN   \n",
       "\n",
       "      Unnamed: 3  Unnamed: 4  Unnamed: 5  Unnamed: 6  Unnamed: 7  Unnamed: 8  \\\n",
       "1121         NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "811          NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "1172         NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "534          NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "514          NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "...          ...         ...         ...         ...         ...         ...   \n",
       "1460         NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "936          NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "1338         NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "692          NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "86           NaN         NaN         NaN         NaN         NaN         NaN   \n",
       "\n",
       "      Unnamed: 9  ...  Unnamed: 58  Unnamed: 59  Unnamed: 60 Unnamed: 61  \\\n",
       "1121         NaN  ...          NaN          NaN          NaN         NaN   \n",
       "811          NaN  ...          NaN          NaN          NaN         NaN   \n",
       "1172         NaN  ...          NaN          NaN          NaN         NaN   \n",
       "534          NaN  ...          NaN          NaN          NaN         NaN   \n",
       "514          NaN  ...          NaN          NaN          NaN         NaN   \n",
       "...          ...  ...          ...          ...          ...         ...   \n",
       "1460         NaN  ...          NaN          NaN          NaN         NaN   \n",
       "936          NaN  ...          NaN          NaN          NaN         NaN   \n",
       "1338         NaN  ...          NaN          NaN          NaN         NaN   \n",
       "692          NaN  ...          NaN          NaN          NaN         NaN   \n",
       "86           NaN  ...          NaN          NaN          NaN         NaN   \n",
       "\n",
       "     Unnamed: 62 Unnamed: 63 Unnamed: 64 Unnamed: 65 Unnamed: 66 Unnamed: 67  \n",
       "1121         NaN         NaN         NaN         NaN         NaN         NaN  \n",
       "811          NaN         NaN         NaN         NaN         NaN         NaN  \n",
       "1172         NaN         NaN         NaN         NaN         NaN         NaN  \n",
       "534          NaN         NaN         NaN         NaN         NaN         NaN  \n",
       "514          NaN         NaN         NaN         NaN         NaN         NaN  \n",
       "...          ...         ...         ...         ...         ...         ...  \n",
       "1460         NaN         NaN         NaN         NaN         NaN         NaN  \n",
       "936          NaN         NaN         NaN         NaN         NaN         NaN  \n",
       "1338         NaN         NaN         NaN         NaN         NaN         NaN  \n",
       "692          NaN         NaN         NaN         NaN         NaN         NaN  \n",
       "86           NaN         NaN         NaN         NaN         NaN         NaN  \n",
       "\n",
       "[394 rows x 68 columns]"
      ]
     },
     "execution_count": 15,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "test_data"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 16,
   "id": "339a88da",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>review</th>\n",
       "      <th>label</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>1108</th>\n",
       "      <td>커피는 괜찮지만, 2층 흡연실 문이 열리고 닫힐때마다 담배연기가 실내에 퍼져 비흡연...</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1490</th>\n",
       "      <td>예쁘기만해요... 맛은...가격도조금비싸요</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>365</th>\n",
       "      <td>널찍하고 조았다 스무디볼 존맛</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>265</th>\n",
       "      <td>굿</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>287</th>\n",
       "      <td>카공족에게는 너무 좋은 곳</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1130</th>\n",
       "      <td>화장실 개 더러워 어떻게 사용해..?</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1294</th>\n",
       "      <td>사람이 많아 짱 많아</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>860</th>\n",
       "      <td>시험기간 공부장소 안성맞춤 개꿀</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1459</th>\n",
       "      <td>사람 쥰내많아서 앉으려면 기다려야됨</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1126</th>\n",
       "      <td>어릴때먹어본기억이있어서 한번사봤어요. 제가 먹어봤던 그맛이 맞는건진 모르겠는데..?...</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>1180 rows × 2 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                                 review  label\n",
       "1108  커피는 괜찮지만, 2층 흡연실 문이 열리고 닫힐때마다 담배연기가 실내에 퍼져 비흡연...      0\n",
       "1490                            예쁘기만해요... 맛은...가격도조금비싸요      0\n",
       "365                                    널찍하고 조았다 스무디볼 존맛      1\n",
       "265                                                   굿      1\n",
       "287                                      카공족에게는 너무 좋은 곳      1\n",
       "...                                                 ...    ...\n",
       "1130                               화장실 개 더러워 어떻게 사용해..?      0\n",
       "1294                                        사람이 많아 짱 많아      0\n",
       "860                                   시험기간 공부장소 안성맞춤 개꿀      1\n",
       "1459                                사람 쥰내많아서 앉으려면 기다려야됨      0\n",
       "1126  어릴때먹어본기억이있어서 한번사봤어요. 제가 먹어봤던 그맛이 맞는건진 모르겠는데..?...      0\n",
       "\n",
       "[1180 rows x 2 columns]"
      ]
     },
     "execution_count": 16,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "train_data = train_data[[\"review\", \"label\"]] # 결측치 부분 제거\n",
    "train_data"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 17,
   "id": "7943c797",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>review</th>\n",
       "      <th>label</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>1121</th>\n",
       "      <td>왔다가 정말 스트레스만 적립하고 감.</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>811</th>\n",
       "      <td>주차 너무 편해요~</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1172</th>\n",
       "      <td>층별로 분위기 다르고 공부하기도 좋은데 사람들이 많이 오면 와이파이가 너무 약해서 ...</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>534</th>\n",
       "      <td>진짜 맛있어요</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>514</th>\n",
       "      <td>분위기도 좋고, 사장님도 친절합니다.</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1460</th>\n",
       "      <td>2층에 테이블간 간격이 넘좁아요</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>936</th>\n",
       "      <td>너무 시끄러워서 공부 집중이 안되네요</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1338</th>\n",
       "      <td>이걸 보는 다른 손님들이 계시다면 차라리 편의점 커피를 드시길 추천합니다.</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>692</th>\n",
       "      <td>가게도 깨끗하고 분위기 좋아요</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>86</th>\n",
       "      <td>굿</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>394 rows × 2 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                                 review  label\n",
       "1121                               왔다가 정말 스트레스만 적립하고 감.      0\n",
       "811                                          주차 너무 편해요~      1\n",
       "1172  층별로 분위기 다르고 공부하기도 좋은데 사람들이 많이 오면 와이파이가 너무 약해서 ...      0\n",
       "534                                             진짜 맛있어요      1\n",
       "514                                분위기도 좋고, 사장님도 친절합니다.      1\n",
       "...                                                 ...    ...\n",
       "1460                                  2층에 테이블간 간격이 넘좁아요      0\n",
       "936                                너무 시끄러워서 공부 집중이 안되네요      0\n",
       "1338          이걸 보는 다른 손님들이 계시다면 차라리 편의점 커피를 드시길 추천합니다.      0\n",
       "692                                    가게도 깨끗하고 분위기 좋아요      1\n",
       "86                                                    굿      1\n",
       "\n",
       "[394 rows x 2 columns]"
      ]
     },
     "execution_count": 17,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "test_data = test_data[[\"review\", \"label\"]]# 결측치 부분 제거\n",
    "test_data"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 18,
   "id": "f310afe7",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>review</th>\n",
       "      <th>label</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>1108</th>\n",
       "      <td>커피는 괜찮지만, 2층 흡연실 문이 열리고 닫힐때마다 담배연기가 실내에 퍼져 비흡연...</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1490</th>\n",
       "      <td>예쁘기만해요... 맛은...가격도조금비싸요</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>365</th>\n",
       "      <td>널찍하고 조았다 스무디볼 존맛</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>265</th>\n",
       "      <td>굿</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>287</th>\n",
       "      <td>카공족에게는 너무 좋은 곳</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "                                                 review  label\n",
       "1108  커피는 괜찮지만, 2층 흡연실 문이 열리고 닫힐때마다 담배연기가 실내에 퍼져 비흡연...      0\n",
       "1490                            예쁘기만해요... 맛은...가격도조금비싸요      0\n",
       "365                                    널찍하고 조았다 스무디볼 존맛      1\n",
       "265                                                   굿      1\n",
       "287                                      카공족에게는 너무 좋은 곳      1"
      ]
     },
     "execution_count": 18,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "train_data[:5]"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 19,
   "id": "f4d29f8c",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>review</th>\n",
       "      <th>label</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>1121</th>\n",
       "      <td>왔다가 정말 스트레스만 적립하고 감.</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>811</th>\n",
       "      <td>주차 너무 편해요~</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1172</th>\n",
       "      <td>층별로 분위기 다르고 공부하기도 좋은데 사람들이 많이 오면 와이파이가 너무 약해서 ...</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>534</th>\n",
       "      <td>진짜 맛있어요</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>514</th>\n",
       "      <td>분위기도 좋고, 사장님도 친절합니다.</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "                                                 review  label\n",
       "1121                               왔다가 정말 스트레스만 적립하고 감.      0\n",
       "811                                          주차 너무 편해요~      1\n",
       "1172  층별로 분위기 다르고 공부하기도 좋은데 사람들이 많이 오면 와이파이가 너무 약해서 ...      0\n",
       "534                                             진짜 맛있어요      1\n",
       "514                                분위기도 좋고, 사장님도 친절합니다.      1"
      ]
     },
     "execution_count": 19,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "test_data[:5]"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "79011e66",
   "metadata": {},
   "source": [
    "## 2. 데이터 정제하기"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 20,
   "id": "76fc73f8",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "1042"
      ]
     },
     "execution_count": 20,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "train_data['review'].nunique() # 데이터 중복 유무를 확인"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 21,
   "id": "8b0c76cf",
   "metadata": {},
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\3134215963.py:1: SettingWithCopyWarning: \n",
      "A value is trying to be set on a copy of a slice from a DataFrame\n",
      "\n",
      "See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy\n",
      "  train_data.drop_duplicates(subset=['review'], inplace=True)\n"
     ]
    }
   ],
   "source": [
    "train_data.drop_duplicates(subset=['review'], inplace=True) # 중복 샘플 제거"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 22,
   "id": "76a23f1a",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "1042"
      ]
     },
     "execution_count": 22,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "len(train_data) # 중복 샘플 제거 확인"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 23,
   "id": "f9f8e3ba",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "<AxesSubplot:>"
      ]
     },
     "execution_count": 23,
     "metadata": {},
     "output_type": "execute_result"
    },
    {
     "data": {
      "image/png": "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\n",
      "text/plain": [
       "<Figure size 432x288 with 1 Axes>"
      ]
     },
     "metadata": {
      "needs_background": "light"
     },
     "output_type": "display_data"
    }
   ],
   "source": [
    "train_data['label'].value_counts().plot(kind = 'bar')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 24,
   "id": "1211191a",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "   label  count\n",
      "0      0    525\n",
      "1      1    517\n"
     ]
    }
   ],
   "source": [
    "print(train_data.groupby('label').size().reset_index(name = 'count')) # 0과 1이 골고루 있다."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 25,
   "id": "2b6835ae",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "False\n"
     ]
    }
   ],
   "source": [
    "print(train_data.isnull().values.any()) # 리뷰 중에 Null이 있는가?"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 26,
   "id": "6c1c425f",
   "metadata": {},
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\2352140794.py:1: FutureWarning: The default value of regex will change from True to False in a future version.\n",
      "  train_data['review'] = train_data['review'].str.replace(\"[^ㄱ-ㅎㅏ-ㅣ가-힣 ]\",\"\")\n",
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\2352140794.py:1: SettingWithCopyWarning: \n",
      "A value is trying to be set on a copy of a slice from a DataFrame.\n",
      "Try using .loc[row_indexer,col_indexer] = value instead\n",
      "\n",
      "See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy\n",
      "  train_data['review'] = train_data['review'].str.replace(\"[^ㄱ-ㅎㅏ-ㅣ가-힣 ]\",\"\")\n"
     ]
    },
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>review</th>\n",
       "      <th>label</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>1108</th>\n",
       "      <td>커피는 괜찮지만 층 흡연실 문이 열리고 닫힐때마다 담배연기가 실내에 퍼져 비흡연자에...</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1490</th>\n",
       "      <td>예쁘기만해요 맛은가격도조금비싸요</td>\n",
       "      <td>0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>365</th>\n",
       "      <td>널찍하고 조았다 스무디볼 존맛</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>265</th>\n",
       "      <td>굿</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>287</th>\n",
       "      <td>카공족에게는 너무 좋은 곳</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "                                                 review  label\n",
       "1108  커피는 괜찮지만 층 흡연실 문이 열리고 닫힐때마다 담배연기가 실내에 퍼져 비흡연자에...      0\n",
       "1490                                  예쁘기만해요 맛은가격도조금비싸요      0\n",
       "365                                    널찍하고 조았다 스무디볼 존맛      1\n",
       "265                                                   굿      1\n",
       "287                                      카공족에게는 너무 좋은 곳      1"
      ]
     },
     "execution_count": 26,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "# 한글과 공백을 제외하고 모두 제거한다.\n",
    "train_data['review'] = train_data['review'].str.replace(\"[^ㄱ-ㅎㅏ-ㅣ가-힣 ]\",\"\")\n",
    "train_data[:5]"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 27,
   "id": "1c655ea7",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "review    5\n",
      "label     0\n",
      "dtype: int64\n"
     ]
    },
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\3946236247.py:1: FutureWarning: The default value of regex will change from True to False in a future version.\n",
      "  train_data['review'] = train_data['review'].str.replace('^ +', \"\") # white space 데이터를 empty value로 변경\n",
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\3946236247.py:1: SettingWithCopyWarning: \n",
      "A value is trying to be set on a copy of a slice from a DataFrame.\n",
      "Try using .loc[row_indexer,col_indexer] = value instead\n",
      "\n",
      "See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy\n",
      "  train_data['review'] = train_data['review'].str.replace('^ +', \"\") # white space 데이터를 empty value로 변경\n",
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\3946236247.py:2: SettingWithCopyWarning: \n",
      "A value is trying to be set on a copy of a slice from a DataFrame\n",
      "\n",
      "See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy\n",
      "  train_data['review'].replace('', np.nan, inplace=True)\n"
     ]
    }
   ],
   "source": [
    "train_data['review'] = train_data['review'].str.replace('^ +', \"\") # white space 데이터를 empty value로 변경\n",
    "train_data['review'].replace('', np.nan, inplace=True)\n",
    "# 기존에 한글이 없는 리뷰였다면 더 이상 아무런 값도 없는 빈(empty) 값이 되었을 것\n",
    "print(train_data.isnull().sum())\n",
    "# Null 값이 5개 생김"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 28,
   "id": "7432633c",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>review</th>\n",
       "      <th>label</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>27</th>\n",
       "      <td>NaN</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>92</th>\n",
       "      <td>NaN</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>313</th>\n",
       "      <td>NaN</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>186</th>\n",
       "      <td>NaN</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>161</th>\n",
       "      <td>NaN</td>\n",
       "      <td>1</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "    review  label\n",
       "27     NaN      1\n",
       "92     NaN      1\n",
       "313    NaN      1\n",
       "186    NaN      1\n",
       "161    NaN      1"
      ]
     },
     "execution_count": 28,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "train_data.loc[train_data.review.isnull()][:5]"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 29,
   "id": "38678d59",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1037\n"
     ]
    }
   ],
   "source": [
    "train_data = train_data.dropna(how = 'any') # Null 값 5개 없애준다.\n",
    "print(len(train_data))"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 30,
   "id": "b06664fe",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "전처리 후 테스트용 샘플의 개수 : 352\n"
     ]
    },
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\500653556.py:1: SettingWithCopyWarning: \n",
      "A value is trying to be set on a copy of a slice from a DataFrame\n",
      "\n",
      "See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy\n",
      "  test_data.drop_duplicates(subset = ['review'], inplace=True) # revie 열에서 중복인 내용이 있다면 중복 제거\n",
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\500653556.py:2: FutureWarning: The default value of regex will change from True to False in a future version.\n",
      "  test_data['review'] = test_data['review'].str.replace(\"[^ㄱ-ㅎㅏ-ㅣ가-힣 ]\",\"\") # 정규 표현식 수행\n",
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\500653556.py:2: SettingWithCopyWarning: \n",
      "A value is trying to be set on a copy of a slice from a DataFrame.\n",
      "Try using .loc[row_indexer,col_indexer] = value instead\n",
      "\n",
      "See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy\n",
      "  test_data['review'] = test_data['review'].str.replace(\"[^ㄱ-ㅎㅏ-ㅣ가-힣 ]\",\"\") # 정규 표현식 수행\n",
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\500653556.py:3: FutureWarning: The default value of regex will change from True to False in a future version.\n",
      "  test_data['review'] = test_data['review'].str.replace('^ +', \"\") # 공백은 empty 값으로 변경\n",
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\500653556.py:3: SettingWithCopyWarning: \n",
      "A value is trying to be set on a copy of a slice from a DataFrame.\n",
      "Try using .loc[row_indexer,col_indexer] = value instead\n",
      "\n",
      "See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy\n",
      "  test_data['review'] = test_data['review'].str.replace('^ +', \"\") # 공백은 empty 값으로 변경\n",
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\500653556.py:4: SettingWithCopyWarning: \n",
      "A value is trying to be set on a copy of a slice from a DataFrame\n",
      "\n",
      "See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy\n",
      "  test_data['review'].replace('', np.nan, inplace=True) # 공백은 Null 값으로 변경\n"
     ]
    }
   ],
   "source": [
    "# 테스트 데이터에서도 똑같이 전처리 과정 수행\n",
    "\n",
    "test_data.drop_duplicates(subset = ['review'], inplace=True) # review 열에서 중복인 내용이 있다면 중복 제거\n",
    "test_data['review'] = test_data['review'].str.replace(\"[^ㄱ-ㅎㅏ-ㅣ가-힣 ]\",\"\") # 정규 표현식 수행\n",
    "test_data['review'] = test_data['review'].str.replace('^ +', \"\") # 공백은 empty 값으로 변경\n",
    "test_data['review'].replace('', np.nan, inplace=True) # 공백은 Null 값으로 변경\n",
    "test_data = test_data.dropna(how='any') # Null 값 제거\n",
    "print('전처리 후 테스트용 샘플의 개수 :',len(test_data))"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "59ee4243",
   "metadata": {},
   "source": [
    "## 3. 토큰화"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 31,
   "id": "5f890097",
   "metadata": {},
   "outputs": [],
   "source": [
    "# 불용어 정의\n",
    "stopwords = ['의','가','이','은','들','는','좀','잘','걍','과','도','를','으로','자','에','와','한','하다', 'ㅠ', 'ㅠㅠ', 'ㅜㅜ', 'ㅋㅋ', 'ㅡㅡ', 'ㅠㅜ', 'ㄱ', 'ㄷㄷㄷ', 'ㅠㅠㅠㅠㅠㅠ']"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 32,
   "id": "51ed580d",
   "metadata": {},
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "100%|██████████| 1037/1037 [00:07<00:00, 135.54it/s]\n"
     ]
    }
   ],
   "source": [
    "X_train = []\n",
    "for sentence in tqdm(train_data['review']):\n",
    "    okt = Okt() # 형태소 분석기\n",
    "    tokenized_sentence = okt.morphs(sentence, stem=True) # 토큰화\n",
    "    stopwords_removed_sentence = [word for word in tokenized_sentence if not word in stopwords] # 불용어 제거\n",
    "    X_train.append(stopwords_removed_sentence)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 33,
   "id": "bbce6f3e",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "[['커피', '괜찮다', '층', '흡연실', '문', '열리다', '닫히다', '때', '마다', '담배', '연기', '실내', '퍼지다', '비', '흡연', '에게는', '비추다'], ['예쁘다', '해', '요', '맛', '가격', '조금', '비싸다'], ['널찍하다', '좋다', '스무디', '볼', '존맛']]\n"
     ]
    }
   ],
   "source": [
    "print(X_train[:3])"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 34,
   "id": "6b15d1d2",
   "metadata": {},
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "100%|██████████| 352/352 [00:00<00:00, 763.61it/s]\n"
     ]
    }
   ],
   "source": [
    "# 테스트 데이터에서도 동일하게 토큰화\n",
    "\n",
    "X_test = []\n",
    "for sentence in tqdm(test_data['review']):\n",
    "    okt = Okt() # 형태소 분석기\n",
    "    tokenized_sentence = okt.morphs(sentence, stem=True) # 토큰화\n",
    "    stopwords_removed_sentence = [word for word in tokenized_sentence if not word in stopwords] # 불용어 제거\n",
    "    X_test.append(stopwords_removed_sentence)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 35,
   "id": "0336e451",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "[['오다', '정말', '스트레스', '만', '적립', '하고', '감'], ['주차', '너무', '편하다'], ['층', '별로', '분위기', '다르다', '공부', '좋다', '사람', '많이', '오다', '와이파이', '너무', '약하다', '못', '버티다', '와이파이', '때문', '그', '옆', '스타벅스', '감']]\n"
     ]
    }
   ],
   "source": [
    "print(X_test[:3])"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "dcfe08da",
   "metadata": {},
   "source": [
    "## 4. 정수 인코딩"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 36,
   "id": "66d83850",
   "metadata": {},
   "outputs": [],
   "source": [
    "tokenizer = Tokenizer()\n",
    "tokenizer.fit_on_texts(X_train) # 훈련 데이터에 대한 단어 집합 형성"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 37,
   "id": "4c6624a5",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "{'좋다': 1, '너무': 2, '커피': 3, '없다': 4, '많다': 5, '있다': 6, '맛있다': 7, '공부': 8, '맛': 9, '분위기': 10, '카페': 11, '직원': 12, '않다': 13, '친절하다': 14, '조용하다': 15, '층': 16, '가격': 17, '사람': 18, '넓다': 19, '곳': 20, '음료': 21, '매장': 22, '같다': 23, '을': 24, '이다': 25, '별로': 26, '요': 27, '안': 28, '자리': 29, '분': 30, '가다': 31, '되다': 32, '보다': 33, '비싸다': 34, '편하다': 35, '오다': 36, '시끄럽다': 37, '아니다': 38, '화장실': 39, '빵': 40, '먹다': 41, '다': 42, '에서': 43, '생각': 44, '공간': 45, '좌석': 46, '로': 47, '불편하다': 48, '것': 49, '나오다': 50, '사장': 51, '자다': 52, '주차': 53, '님': 54, '때': 55, '깔끔하다': 56, '그냥': 57, '깨끗하다': 58, '적': 59, '하고': 60, '받다': 61, '정말': 62, '고': 63, '의자': 64, '그렇다': 65, '나': 66, '불친절하다': 67, '만': 68, '손님': 69, '예쁘다': 70, '주문': 71, '많이': 72, '쾌적하다': 73, '넘다': 74, '들다': 75, '테이블': 76, '비': 77, '종류': 78, '일': 79, '장소': 80, '모르다': 81, '알바생': 82, '못': 83, '시간': 84, '앉다': 85, '느낌': 86, '여기': 87, '듯': 88, '인테리어': 89, '인': 90, '콘센트': 91, '보이다': 92, '서비스': 93, '크다': 94, '수': 95, '스터디': 96, '분들': 97, '괜찮다': 98, '아쉽다': 99, '다른': 100, '인지': 101, '안되다': 102, '엄청': 103, '랑': 104, '싶다': 105, '인데': 106, '기분': 107, '까지': 108, '자주': 109, '디저트': 110, '뷰': 111, '에는': 112, '이라': 113, '추천': 114, '되어다': 115, '움': 116, '항상': 117, '엔': 118, '하나': 119, '더': 120, '굿': 121, '생기다': 122, '대화': 123, '이나': 124, '다양하다': 125, '좁다': 126, '거': 127, '응대': 128, '조금': 129, '불친절': 130, '왜': 131, '말': 132, '대비': 133, '방문': 134, '음악': 135, '저렴하다': 136, '하': 137, '가성': 138, '말다': 139, '다시': 140, '갈다': 141, '개': 142, '학생': 143, '최고': 144, '메뉴': 145, '최악': 146, '에요': 147, '시키다': 148, '서': 149, '만들다': 150, '진짜': 151, '마다': 152, '사용': 153, '책': 154, '기': 155, '맛없다': 156, '주변': 157, '이네': 158, '청소': 159, '지': 160, '더럽다': 161, '사진': 162, '아주': 163, '와이파이': 164, '주차장': 165, '그': 166, '주다': 167, '이용': 168, '노트북': 169, '가게': 170, '찾다': 171, '비추다': 172, '떨어지다': 173, '케이크': 174, '알바': 175, '내': 176, '상태': 177, '때문': 178, '라떼': 179, '돼다': 180, '정신': 181, '해주다': 182, '원': 183, '저': 184, '친절': 185, '집중': 186, '정도': 187, '특히': 188, '실내': 189, '전혀': 190, '새롭다': 191, '내부': 192, '들어가다': 193, '계속': 194, '적다': 195, '함': 196, '카공': 197, '냄새': 198, '다시다': 199, '걸': 200, '번': 201, '책상': 202, 'ㅎㅎ': 203, '제': 204, '청결하다': 205, '예요': 206, '바로': 207, '맞다': 208, '기다리다': 209, '쓰다': 210, '비다': 211, '아이스': 212, '아메리카노': 213, '혼자': 214, '임': 215, '네': 216, '친구': 217, '나쁘다': 218, '처음': 219, '모두': 220, '아늑하다': 221, '마음': 222, '시설': 223, '근처': 224, '시험': 225, '기간': 226, '가기': 227, '동네': 228, '정리': 229, '읽다': 230, '앞': 231, '나가다': 232, '별': 233, '알다': 234, '작다': 235, '덥다': 236, '그리고': 237, '부터': 238, '지저분하다': 239, '힘들다': 240, '시원하다': 241, '따뜻하다': 242, '잘못': 243, '싸가지': 244, '천원': 245, '가보다': 246, '문': 247, '상당하다': 248, '이고': 249, '케잌': 250, '딸기': 251, '한잔': 252, '늦다': 253, '완전': 254, '관리': 255, '어수선하다': 256, '남자': 257, '케익': 258, '두': 259, '마인드': 260, '이야기': 261, '불편': 262, '되게': 263, '빨리': 264, '찍다': 265, '편안하다': 266, '편리하다': 267, '집': 268, '어': 269, '감사하다': 270, '아깝다': 271, '아무': 272, '크림': 273, '여유': 274, '수가': 275, '니': 276, '독서실': 277, '거의': 278, '소리': 279, '등': 280, '작업': 281, '위치': 282, '장사': 283, '그닥': 284, '양': 285, '쿠폰': 286, '한번': 287, '수다': 288, '향': 289, '주말': 290, '가지': 291, '열리다': 292, '공': 293, '주차공간': 294, '용': 295, '명': 296, '주인': 297, '춥다': 298, '면': 299, '수준': 300, '스타벅스': 301, '짱': 302, '태도': 303, '돈': 304, 'ㅎ': 305, '특별하다': 306, '외부': 307, '착하다': 308, '즐기다': 309, '편': 310, '잔잔하다': 311, '눈치': 312, '어렵다': 313, '라': 314, '또': 315, '영': 316, '먹기': 317, '나다': 318, '스럽다': 319, '다르다': 320, '부드럽다': 321, '잔': 322, '심': 323, '날': 324, '냥': 325, '매': 326, '테이크아웃': 327, '없이': 328, '께서': 329, '매우': 330, '요즘': 331, '식': 332, '여기다': 333, '편이': 334, '어둡다': 335, '빙수': 336, '오래': 337, '줄': 338, '높다': 339, '에도': 340, '중': 341, '전화': 342, '버리다': 343, '교육': 344, '느끼다': 345, '개인': 346, '그럭저럭': 347, '필요하다': 348, '표정': 349, '거리': 350, '쓸다': 351, '절대': 352, '커피숍': 353, '에게는': 354, '카': 355, '시': 356, '치다': 357, '공용': 358, '달다': 359, '말투': 360, '그대로': 361, '올': 362, '에게': 363, '평범하다': 364, '이해': 365, '베이커리': 366, '보고': 367, '일반': 368, '저녁': 369, '그렇게': 370, '인스타': 371, '붙다': 372, '팔다': 373, '위': 374, '안좋다': 375, '낮다': 376, '이에요': 377, '좋아하다': 378, '막': 379, '한마디': 380, '살짝': 381, '뭔가': 382, '여자': 383, '이랑': 384, '가요': 385, '보통': 386, '거나': 387, '하지만': 388, '물어보다': 389, '위생': 390, '처럼': 391, '무료': 392, '같이': 393, '심하다': 394, '음식': 395, '일단': 396, '점': 397, '보내다': 398, '내다': 399, '제일': 400, '오픈': 401, '기본': 402, '나르다': 403, '엉망': 404, '딱': 405, '끊다': 406, '데': 407, '바쁘다': 408, '결제': 409, '대가': 410, '떨다': 411, '특색': 412, '배치': 413, '약간': 414, '안감': 415, '가능하다': 416, '인터넷': 417, '잡히다': 418, '단골': 419, '컵': 420, '적합하다': 421, '야외': 422, '맛집': 423, '미안하다': 424, '건지다': 425, '흡연': 426, '볼': 427, '존맛': 428, '족': 429, '스럽지': 430, '코로나': 431, '몇': 432, '반': 433, '입': 434, '막히다': 435, '뿐': 436, '샌드위치': 437, '묻다': 438, '단점': 439, '대학생': 440, '세미나': 441, '오시': 442, '건물': 443, '들어오다': 444, '무슨': 445, '오지': 446, '이렇게': 447, '계산': 448, '대응': 449, '괜히': 450, '싸다': 451, '지다': 452, '힘드다': 453, '부족하다': 454, '그렇다고': 455, '그다지': 456, '양은': 457, '선택': 458, '드라이브': 459, '밖': 460, '보기': 461, '가장': 462, '위해': 463, '끝나다': 464, '야하다': 465, '높이': 466, '줌': 467, '나이': 468, '기대하다': 469, '바꾸다': 470, '늘': 471, '남': 472, '지점': 473, '아이스크림': 474, '자체': 475, '티': 476, '먼저': 477, '모든': 478, '죄송하다': 479, 'ㅋㅋㅋ': 480, '장내': 481, '이상': 482, '옆': 483, '게': 484, '달라': 485, '이지만': 486, '크기': 487, '관광지': 488, '수도': 489, '적당하다': 490, '인사': 491, '온': 492, '무엇': 493, '당일': 494, '언제': 495, '목소리': 496, '경우': 497, '건': 498, '울다': 499, '파다': 500, '소': 501, '대다': 502, '밖에': 503, '유': 504, '예전': 505, '전체': 506, '이라서': 507, '에그타르트': 508, '대충': 509, '대학교': 510, '해도': 511, '간격': 512, '소란': 513, '아줌마': 514, '그저': 515, '에어컨': 516, '혹시': 517, '인가요': 518, '소음': 519, '궁동': 520, '터지다': 521, '다니다': 522, '할리스': 523, '전': 524, '주': 525, '청결': 526, '본인': 527, '보다는': 528, '싫다': 529, 'ㅜ': 530, '지하': 531, '꾸다': 532, '굿굿': 533, '끝': 534, '보임': 535, '걸리다': 536, '저렴': 537, '전반': 538, '별루': 539, '이드': 540, '사다': 541, '쯤': 542, '복잡하다': 543, '아': 544, '구': 545, '실수': 546, '이제': 547, '잇다': 548, '한테': 549, '룸': 550, '신': 551, '차': 552, '오래되다': 553, '커서': 554, '직접': 555, '존나': 556, '공기': 557, '쉬다': 558, '먼지': 559, '평일': 560, '낮': 561, '산만하다': 562, '색다르다': 563, '차분하다': 564, '대답': 565, '뻔하다': 566, '서서': 567, '추가': 568, '한참': 569, '만족하다': 570, '가깝다': 571, '마시다': 572, '값': 573, '퀄리티': 574, '라서': 575, '미리': 576, '썩': 577, '고객': 578, '가끔': 579, '떠들다': 580, '대해': 581, '이라고': 582, '굳이': 583, '부르다': 584, '흡연실': 585, '닫히다': 586, '해': 587, '널찍하다': 588, '스무디': 589, '부족': 590, '장이': 591, '브런치': 592, '깔다': 593, '끄다': 594, '개조': 595, '고르다': 596, '함께': 597, '준비': 598, 'ㅋ': 599, '기름': 600, '식빵': 601, '질리다': 602, '더러': 603, '및': 604, '구역': 605, '끼다': 606, '노': 607, '키즈': 608, '존': 609, '아이': 610, '기다': 611, '우유': 612, '검다': 613, '콩': 614, '요새': 615, '낫다': 616, '눅눅하다': 617, '제로': 618, '차라리': 619, '간다': 620, '제품': 621, '포장': 622, '어딘': 623, '매일': 624, '오는': 625, '스루': 626, '입구': 627, '리뷰': 628, '맘': 629, '아예': 630, '으로는': 631, '해주시': 632, '다음': 633, '권': 634, '미팅': 635, '수선': 636, '마시기': 637, '손': 638, '놀라다': 639, '멋지다': 640, '대한': 641, '밀크': 642, '가나': 643, '아지트': 644, '포크': 645, '초코': 646, '조성': 647, '하므다': 648, '담소': 649, '머신': 650, '달': 651, '라고': 652, '조리사': 653, '상한': 654, '우리': 655, '보관': 656, '전날': 657, '교환': 658, '환불': 659, '사과': 660, '얘기': 661, '시작': 662, '아침': 663, '상': 664, '다만': 665, '걱정': 666, '께': 667, '굉장하다': 668, '대가리': 669, '로운': 670, '대학로': 671, '빵집': 672, '들르다': 673, '답답하다': 674, '루': 675, '한적하다': 676, '뭐': 677, '장점': 678, '센스': 679, '냉동': 680, '기대': 681, '문제': 682, '정돈': 683, '순': 684, '불쾌하다': 685, '조로': 686, '말씀': 687, '어조': 688, '습하다': 689, '소비자': 690, '언': 691, '그래서': 692, '더욱': 693, '물다': 694, '전달': 695, '시끌벅적하다': 696, '지만': 697, '식당': 698, '심해': 699, '불': 700, '굽다': 701, '고급스럽다': 702, '골목': 703, '모습': 704, '여서': 705, '기계': 706, '죠': 707, '진심': 708, '도리': 709, '한다는': 710, '모임': 711, '커피한잔': 712, '나름': 713, '상황': 714, '제공': 715, '습': 716, '찍': 717, '막상': 718, '바람': 719, '분도': 720, '이상하다': 721, '느껴지다': 722, '울리다': 723, '규모': 724, '이쁘다': 725, '감상': 726, '주지': 727, '조치': 728, '목적': 729, '일찍': 730, '따로': 731, '마련': 732, '모기': 733, '한두': 734, '어떻다': 735, '방치': 736, '근데': 737, '기억': 738, '든': 739, '겁니다': 740, 'ㅠㅠㅠ': 741, '스콘': 742, '예약': 743, '그래도': 744, '라는': 745, '롭고': 746, '보단': 747, '멋': 748, '오기': 749, '평가': 750, '경험': 751, '히': 752, '신선하다': 753, '쏘다': 754, '티슈': 755, '타다': 756, '만큼': 757, '진하다': 758, '온건': 759, '점주': 760, '이란': 761, '차이': 762, '한편': 763, '원두': 764, '쓴맛': 765, '다닥다닥': 766, '머쓱하다': 767, '짜증': 768, '냐': 769, '얼마': 770, '굳다': 771, '길다': 772, '엉덩이': 773, '틀다': 774, '거기': 775, '건방지다': 776, '밤': 777, '찬': 778, '독서': 779, '재': 780, '쿠키': 781, '빠르다': 782, '년전': 783, '개선': 784, '흔들리다': 785, '갑자기': 786, '닫다': 787, '곳곳': 788, '인상': 789, '꾸리': 790, '벌레': 791, '최상': 792, '당시': 793, '빈자리': 794, '죽': 795, '치고': 796, '알': 797, '로고': 798, '푸석푸석': 799, '맨날': 800, '좌': 801, '특이하다': 802, '써다': 803, '독특하다': 804, '쫀쫀': 805, '컨셉': 806, '담다': 807, '청': 808, '그지같다': 809, '여': 810, '기만': 811, '론데': 812, '아기': 813, '탁하다': 814, '지역': 815, '키': 816, '무인': 817, '점도': 818, '입맛': 819, '내리다': 820, '가지다': 821, '팀': 822, '매너': 823, '어이': 824, '꺼내다': 825, '놓다': 826, '자리다': 827, '불량하다': 828, '에서는': 829, '어떤': 830, '닦이다': 831, '여유롭다': 832, '꺼': 833, '와플': 834, '그룹': 835, '환기': 836, '뻔': 837, '충격': 838, '불구': 839, '딱하다': 840, '성': 841, '원하다': 842, '무표정': 843, '안내': 844, '리필': 845, '사악하다': 846, '중간': 847, '아무튼': 848, '새': 849, '파리': 850, '상큼': 851, '띠껍': 852, '기도': 853, '아포': 854, '카토': 855, '에스프레소': 856, '쪼금': 857, '잡다': 858, '이벤트': 859, '플': 860, '가세': 861, '무언가': 862, '조': 863, '상하': 864, '강하다': 865, '재료': 866, '훌륭하다': 867, '드리다': 868, '솔직하다': 869, '대': 870, '시국': 871, '요기': 872, '배려': 873, '이지': 874, '접근성': 875, '핫플': 876, '안나': 877, '돌아가다': 878, '할인': 879, '이미': 880, '확인': 881, '울림': 882, '쉬': 883, '제주': 884, '어리다': 885, '환경': 886, '프린트': 887, '이하': 888, '테라스': 889, '넣다': 890, '담배': 891, '연기': 892, '퍼지다': 893, '미흡': 894, '그니': 895, '더치': 896, '만족': 897, '주택가': 898, '아래층': 899, '현재': 900, '조용조': 901, '종종': 902, '금': 903, '넘기다': 904, '순간': 905, '선곡': 906, '적절하다': 907, '율': 908, '음': 909, '페스': 910, '츄리': 911, '긍극': 912, '쫄깃쫄깃': 913, '개발자': 914, '혜자': 915, '심각하다': 916, '자판기': 917, '뒤쪽': 918, '가염': 919, '안경': 920, '툴툴대': 921, '대하': 922, '직장': 923, '상사': 924, '성수': 925, '얼마나': 926, '데리': 927, '세미': 928, '만은': 929, '연인': 930, '인정': 931, '빵값': 932, '이리': 933, '산': 934, '난방': 935, '미치다': 936, '함유': 937, '머': 938, '유라': 939, '부끄럽다': 940, '눌듯': 941, '훨': 942, '상함': 943, '네가지': 944, '크로와상': 945, '버터': 946, '떡': 947, '써비스': 948, '곳임': 949, '어디': 950, '찾아보다': 951, 'ㅋㅋㅌㅌ': 952, '탱': 953, '성의': 954, '구입': 955, '동일하다': 956, '별다르다': 957, '부산': 958, '대학': 959, '검색': 960, '만들어지다': 961, '몹시': 962, '인거': 963, '학원': 964, '잠시': 965, '모이다': 966, '과제': 967, '최적': 968, '틀어지다': 969, '즈음': 970, '적절': 971, '층층': 972, '곳도': 973, '진': 974, '설명': 975, '대충대충': 976, '대서': 977, '소파': 978, '풍경': 979, '넖': 980, '들어서다': 981, '가면': 982, '한가로이': 983, '악취': 984, '중앙': 985, '시중': 986, '시럽': 987, '뿌리다': 988, '가까이': 989, '오케이': 990, '트이다': 991, '담백하다': 992, '숙련': 993, '운영': 994, '퉁': 995, '흘러나오다': 996, '이뤄지다': 997, '아마': 998, '백색소음': 999, '세련되다': 1000, '무드': 1001, '나누다': 1002, '적막하다': 1003, '두통': 1004, '찌꺼기': 1005, '잔뜩': 1006, '적어도': 1007, '세': 1008, '발효': 1009, '즈': 1010, '나서다': 1011, '가져가다': 1012, '우기': 1013, '깜짝': 1014, '러더': 1015, '사오': 1016, '자마자': 1017, '냉장고': 1018, '했슴': 1019, '가르다': 1020, '과정': 1021, '하물며': 1022, '생일': 1023, '불이익': 1024, '신지': 1025, '팥빙수': 1026, '창렬': 1027, '이야': 1028, '회': 1029, '용기': 1030, '금지': 1031, '깨다': 1032, '답': 1033, '에서부터': 1034, '뜯다': 1035, '햇음': 1036, '칼': 1037, '옴': 1038, '오르다': 1039, '물가': 1040, '진입': 1041, '턱': 1042, '일반인': 1043, '말고': 1044, '충남대': 1045, '조명': 1046, '맞이': 1047, '유도': 1048, '리가': 1049, '마들렌': 1050, '대체로': 1051, '남녀': 1052, '칸': 1053, '필요없다': 1054, '프렌차이즈': 1055, '아주머니': 1056, '후기': 1057, '제만': 1058, '든지': 1059, '하나요': 1060, '일부': 1061, '까지는': 1062, '이런': 1063, '정상': 1064, '또한': 1065, '편입': 1066, '강': 1067, '추하다': 1068, '불량': 1069, '어느': 1070, '망하다': 1071, '이름': 1072, '마카롱': 1073, '맥시': 1074, '멈': 1075, '식사': 1076, '대용': 1077, '핫도그': 1078, '팔지마다': 1079, '인스턴트': 1080, '토스트': 1081, '역시': 1082, '번거롭다': 1083, '볶음밥': 1084, '이라도': 1085, '나프탈렌': 1086, '나야': 1087, '친정': 1088, '건조대': 1089, '너저분하다': 1090, '나누기': 1091, '허다': 1092, '접해': 1093, '제작': 1094, '느리다': 1095, '달리다': 1096, '올라오다': 1097, '거짓': 1098, '법적': 1099, '고소': 1100, '절차': 1101, '꽉차다': 1102, '티라미수': 1103, '까눌레': 1104, '분리': 1105, '주가': 1106, '자동차': 1107, '딜러': 1108, '한남대': 1109, '채우다': 1110, '보이': 1111, '여학생': 1112, '몇몇': 1113, '모': 1114, '밝다': 1115, '전문': 1116, '바리스타': 1117, '그랬는데': 1118, '기프티콘': 1119, '영업': 1120, '도서관': 1121, '무서움': 1122, '잠': 1123, '못자다': 1124, '디카': 1125, '페인': 1126, '연구': 1127, '크리미': 1128, '구매': 1129, '일방': 1130, '통행': 1131, '잠깐': 1132, '니당다': 1133, '바가지': 1134, '명가': 1135, '만원': 1136, '눈': 1137, '띄다': 1138, '올라가다': 1139, '초대': 1140, '행복하다': 1141, '추억': 1142, '간': 1143, '땜': 1144, '불안하다': 1145, '우선': 1146, '하나로': 1147, '갑임': 1148, '최저': 1149, '월': 1150, '화요일': 1151, '오': 1152, '후임': 1153, '바다': 1154, '시장': 1155, '빵맛': 1156, '해변': 1157, '창': 1158, '켜': 1159, '야간': 1160, '어디가': 1161, '한시': 1162, '가만히': 1163, '담요': 1164, '돌다': 1165, '니시': 1166, '사납다': 1167, '만약': 1168, '팀플': 1169, '라면': 1170, '너': 1171, '무덥다': 1172, '세상': 1173, '파트너': 1174, '건들건들': 1175, '햇': 1176, '싫어하다': 1177, '마리': 1178, '진창': 1179, '한가지': 1180, '고압': 1181, '며칠': 1182, '단계': 1183, '연락처': 1184, '부탁': 1185, '오라': 1186, '명령': 1187, '애기': 1188, '일전': 1189, '우기다': 1190, '전자렌지': 1191, '돌리다': 1192, '프라임': 1193, '주사': 1194, '직영': 1195, '소문': 1196, '어쨋': 1197, '현': 1198, '변경': 1199, '기전': 1200, '동료': 1201, '픽업': 1202, '깡패': 1203, '그러하다': 1204, '번은': 1205, '관광객': 1206, '상대로': 1207, '회용임': 1208, '겨울': 1209, '날씨': 1210, '절대로': 1211, '존재': 1212, '여직원': 1213, '도중': 1214, '자르다': 1215, '땐': 1216, '툭': 1217, '호텔': 1218, '타이틀': 1219, '테마': 1220, '하여금': 1221, '생소하다': 1222, '자유': 1223, '레시피': 1224, '이든': 1225, '신경': 1226, '여사': 1227, '장님': 1228, '아치': 1229, '분명': 1230, '단호': 1231, '갑': 1232, '닷': 1233, '놔두다': 1234, '에그': 1235, '마': 1236, '란마': 1237, '짜다': 1238, '야': 1239, '참고': 1240, '디져트': 1241, '추석': 1242, '연휴': 1243, '자락': 1244, '단체': 1245, '대관': 1246, '비치': 1247, '두다': 1248, '말차': 1249, '브라우': 1250, '니까': 1251, '덕': 1252, '놀래다': 1253, '똑같다': 1254, '프레첼': 1255, '대박': 1256, '떼': 1257, '무': 1258, '뚝뚝': 1259, '열': 1260, '꽈베기': 1261, '도장': 1262, '모으다': 1263, '씩': 1264, '젠데': 1265, '클럽': 1266, '개좆': 1267, '도저히': 1268, '병신': 1269, '사실': 1270, '만큼은': 1271, '종업원': 1272, '카스테라': 1273, '뿅': 1274, '꾸미다': 1275, '배민': 1276, '배': 1277, '재미': 1278, '넘어가다': 1279, '업무': 1280, '주위': 1281, '길거리': 1282, '사나': 1283, '핸드': 1284, '드립': 1285, '마냥': 1286, '고스': 1287, '란': 1288, '사먹다': 1289, '쌀쌀': 1290, '상온': 1291, '진열': 1292, '수분': 1293, '퍽퍽': 1294, '소입': 1295, '금액': 1296, '아무렇다': 1297, '규': 1298, '거지': 1299, '커피잔': 1300, '손가락': 1301, '팅기다': 1302, '넉넉하다': 1303, '깔꼼합니': 1304, '아메리카': 1305, '쓰루': 1306, '추다': 1307, '아수라': 1308, '가능성': 1309, '지하가': 1310, '사이즈': 1311, '판': 1312, '시리다': 1313, '낡다': 1314, '해지': 1315, '줄다': 1316, '그거': 1317, '크게': 1318, '중요하다': 1319, '노래': 1320, '들락날락': 1321, '면서': 1322, '솔솔': 1323, '으론': 1324, '마땅치': 1325, '알맞다': 1326, '협소함': 1327, '안해': 1328, '구비': 1329, '워낙': 1330, '담': 1331, '오구': 1332, '유명하다': 1333, '카톡': 1334, '편지': 1335, '연결': 1336, '시도': 1337, '오조오오오억': 1338, '년': 1339, '속도': 1340, '테스트': 1341, '단위': 1342, '설탕': 1343, '오랜': 1344, '계획': 1345, '아직도': 1346, '점포': 1347, '멈추다': 1348, '수리': 1349, '교체': 1350, '가시다': 1351, '건너편': 1352, '라드': 1353, '카페나': 1354, '마을': 1355, '코튼': 1356, '래빗': 1357, '단체룸': 1358, '당황': 1359, '뒷': 1360, '휴지': 1361, '안락하다': 1362, '었습니': 1363, '뭐라다': 1364, '첨': 1365, '모름': 1366, '겁나다': 1367, '따다': 1368, '고생': 1369, '현장': 1370, '브금': 1371, '볼륨': 1372, '걷다': 1373, '지치다': 1374, '점원': 1375, '어리둥절': 1376, '옆집': 1377, '공차': 1378, '가가': 1379, '자몽': 1380, '도넛': 1381, '힐링': 1382, '찾아오다': 1383, '들리다': 1384, '북적': 1385, '바닥': 1386, '협소합니': 1387, '길찾기': 1388, '무례하다': 1389, '여태': 1390, '일등': 1391, '살': 1392, '후회': 1393, '중임': 1394, '소변기': 1395, '변기': 1396, '누구': 1397, '마셈': 1398, '그게': 1399, '특유': 1400, '취향': 1401, '이디야': 1402, '지린다': 1403, '장난': 1404, '공중화장실': 1405, '일회용': 1406, '뛰다': 1407, '인원': 1408, '계단': 1409, '대단하다': 1410, '가파름': 1411, '세다': 1412, '어울리다': 1413, '씨': 1414, '객': 1415, '복숭아': 1416, '번잡': 1417, '공원': 1418, '산책': 1419, '똭': 1420, '모양': 1421, '의욕': 1422, '인절미': 1423, '입안': 1424, '사르르': 1425, '녹다': 1426, '꺼지다': 1427, '삐걱': 1428, '다락방': 1429, '잠도': 1430, '간만': 1431, '통해': 1432, '실망': 1433, '꾸준하다': 1434, '만의': 1435, '주택': 1436, '원룸': 1437, '촌': 1438, '정': 1439, '가운데': 1440, '헤매다': 1441, '훨씬': 1442, '빛괴': 1443, '희망': 1444, '폐가': 1445, '력': 1446, '겨': 1447, '안드네': 1448, '미숙': 1449, '잦다': 1450, '닦다': 1451, '인근': 1452, '스모': 1453, '고층': 1454, '군데군데': 1455, '아담하다': 1456, '부근': 1457, '전부': 1458, '조도': 1459, '펴다': 1460, '자제': 1461, '해달라다': 1462, '적히다': 1463, '일요일': 1464, '다녀오다': 1465, '머물다': 1466, '여러': 1467, '전자기기': 1468, '학습': 1469, '물품': 1470, '대여': 1471, '관련': 1472, '적도': 1473, '죵': 1474, '쥐': 1475, '돌아다니다': 1476, '캐릭터': 1477, '사': 1478, '시급하다': 1479, '바글바글': 1480, '두기': 1481, '엘베': 1482, '오르락': 1483, '락': 1484, '관심': 1485, '이신가': 1486, '지인': 1487, '때매': 1488, '에티켓': 1489, '지금': 1490, '지키다': 1491, '마우스': 1492, '보드': 1493, '하기는': 1494, '설거지': 1495, '마무리': 1496, '니요': 1497, '계시다': 1498, '쇼파': 1499, '제한': 1500, '아빠': 1501, '뻘': 1502, '대시': 1503, '어른': 1504, '욕': 1505, '이태원': 1506, '축제': 1507, '엘레베이터': 1508, '신세계': 1509, '기적': 1510, '작품': 1511, '또는': 1512, '수정': 1513, '출사': 1514, '로번': 1515, '가량': 1516, '평점': 1517, '찍기': 1518, '구경': 1519, '만하': 1520, '스타일': 1521, '제대로': 1522, '하이랜드': 1523, '커피숖': 1524, '즐겁다': 1525, '그만큼': 1526, '청귤': 1527, '가루': 1528, '설빙': 1529, '스누피': 1530, '노노': 1531, '장바닥': 1532, '잘되지': 1533, '가져오다': 1534, '뭘': 1535, '고민': 1536, 'ㅋㅋㅋㅋ': 1537, '명성': 1538, '분비': 1539, '충전': 1540, '당근': 1541, '마틸다': 1542, '쵸코': 1543, '쇼': 1544, '트베리': 1545, '두툼': 1546, '숨막히다': 1547, '꿱': 1548, '카페리': 1549, '휑': 1550, '뻘쭘': 1551, '분들껜': 1552, '흑': 1553, '당': 1554, '버블티': 1555, '밤새다': 1556, '머리카락': 1557, '플랏': 1558, '라테': 1559, '고소하다': 1560, '모시다': 1561, '노예': 1562, '근성': 1563, '간이': 1564, '박히다': 1565, '스팟': 1566, '왠만하다': 1567, '일그러지다': 1568, '지나치다': 1569, '도움': 1570, '쓰레기통': 1571, '심다': 1572, '물어': 1573, '대꾸': 1574, '글쎄요': 1575, '어르신': 1576, '마스크': 1577, '권하다': 1578, '편의': 1579, '머리': 1580, '최근': 1581, '플하': 1582, '아르바이트': 1583, '피곤하다': 1584, '마감': 1585, '무뚝뚝하다': 1586, '정책': 1587, '괜츈': 1588, '방문객': 1589, '혼잡하다': 1590, '형편': 1591, '황당하다': 1592, '신맛': 1593, '시내': 1594, '엄청나다': 1595, '전세': 1596, '특출나다': 1597, '솜씨': 1598, '상식': 1599, '일이': 1600, '혹': 1601, '버블': 1602, '딱딱하다': 1603, '시경': 1604, '샵': 1605, '운동': 1606, '삼다': 1607, '걸어가다': 1608, '하루': 1609, '뿌듯하다': 1610, '자꾸': 1611, '내내': 1612, '분명하다': 1613, '좀더': 1614, '사이렌': 1615, '수령': 1616, '는걸': 1617, '달달': 1618, '번창': 1619, '난': 1620, '빠지다': 1621, '음자릿값': 1622, '급': 1623, '연하': 1624, '얼음': 1625, '가득': 1626, '날리다': 1627, '작': 1628, '초': 1629, '과금': 1630, '효과': 1631, '일도': 1632, '빼다': 1633, '문의': 1634, '외국': 1635, '인종차별': 1636, '찌다': 1637, '극혐': 1638, '피크타임': 1639, '잡': 1640, '좋아욤': 1641, '천': 1642, '빚': 1643, '갚다': 1644, '옛말': 1645, '놓치다': 1646, '카푸치노': 1647, '맹물': 1648, '계피': 1649, '뻑뻑': 1650, '인성': 1651, '카운터': 1652, '쟁반': 1653, '방황': 1654, '그나마': 1655, '찜': 1656, '대기': 1657, '공연': 1658, '전시': 1659, '인하다': 1660, '발생': 1661, '태연하다': 1662, '가차': 1663, '애플파이': 1664, '애플': 1665, '잠봉뵈르': 1666, '진짜진짜': 1667, '깜놀': 1668, '실': 1669, '빌리다': 1670, '떼다': 1671, '장마': 1672, '웃다': 1673, '씨발': 1674, '련': 1675, '안키셔': 1676, '몇개': 1677, '발길': 1678, '피': 1679, '살다': 1680, '애매하다': 1681, '평타': 1682, '상냥하다': 1683, '방식': 1684, '유리잔': 1685, '무겁다': 1686, '건강하다': 1687, '장대비': 1688, '제때': 1689, '양심': 1690, '조만간': 1691, '쌓이다': 1692, '탓': 1693, '미소': 1694, '숙지': 1695, '대체': 1696, '여전하다': 1697, '애': 1698, '삿': 1699, '바생': 1700, '예절': 1701, '자기': 1702, '텐데': 1703, '학교': 1704, '떨기': 1705, '이기다': 1706, '자동': 1707, '흙': 1708, '이건': 1709, '졸라': 1710, '홈': 1711, '메이드': 1712, '부다': 1713, '전기': 1714, '콘서트': 1715, '꼽는데': 1716, '베이글': 1717, '여러가지': 1718, '치즈': 1719, '셈': 1720, '비어': 1721, '히터': 1722, '빵빵': 1723, '부족함': 1724, '통로': 1725, '확': 1726, '열다': 1727, '가버리다': 1728, '노출': 1729, '그런': 1730, '건가': 1731, '고급': 1732, '조사': 1733, '해보다': 1734, '도민': 1735, '함덕': 1736, '절묘하다': 1737, '그러나': 1738, '아케': 1739, '리': 1740, '카노': 1741, '이라니': 1742, '감동': 1743, '기다림': 1744, '스벅중': 1745, '신경안': 1746, '식물': 1747, '화분': 1748, '커피우유': 1749, '치가': 1750, '서인': 1751, '이용자': 1752, '주심': 1753, '인자': 1754, '리도': 1755, '이구': 1756, '사이': 1757, '폰': 1758, '판매': 1759, '도비': 1760, '맞추다': 1761, '못하겟음': 1762, '널렸음그': 1763, '폐해': 1764, '수혜': 1765, '입다': 1766, '전형': 1767, '가짜': 1768, '팬케익': 1769, '딱좋다': 1770, '창문': 1771, '만나다': 1772, '로스팅': 1773, '판다': 1774, '믿다': 1775, '느끼하다': 1776, '비쥬': 1777, '얼다': 1778, '협소하': 1779, '침침하다': 1780, '프로모션': 1781, '내기': 1782, '고름': 1783, '적용': 1784, '도착': 1785, '후': 1786, '영수증': 1787, '타고': 1788, '하니': 1789, '거임': 1790, '확신': 1791, '그런데': 1792, '전단지': 1793, '왠지': 1794, '억울하다': 1795, '몇번': 1796, '어이없다': 1797, '바보': 1798, '안주': 1799, '후회되다': 1800, '억지로': 1801, '일행': 1802, '칭찬': 1803, '마땅하다': 1804, '바': 1805, '이렇다': 1806, '유행': 1807, '찾기': 1808, '부끄러움': 1809, '잊다': 1810, '사이드': 1811, '벽': 1812, '부담': 1813, '접대': 1814, '구조': 1815, '중심': 1816, '근': 1817, '무자': 1818, '근무': 1819, '싱겁다': 1820, '쩔다': 1821, '기존': 1822, '사라지다': 1823, '답임': 1824, '샷': 1825, '뽑다': 1826, '방음': 1827, '칸막이': 1828, '에가': 1829, '보': 1830, '나가야': 1831, '래서': 1832, '아무래도': 1833, '감소': 1834, '여기저기': 1835, '부집': 1836, '반대': 1837, '도도': 1838, '중요시': 1839, '뭔': 1840, '밀리다': 1841, '양도': 1842, '옛날': 1843, '은은하다': 1844, '클래식': 1845, '각': 1846, '티백': 1847, '공인': 1848, '인증': 1849, '정부': 1850, '불가능하다': 1851, '짱짱': 1852, '시크': 1853, '척': 1854, '북문': 1855, '가도': 1856, '인기': 1857, '굿즈': 1858, '소화관': 1859, '흰색': 1860, '빨간색': 1861, '색': 1862, '콜라보': 1863, '이루다': 1864, '시즌': 1865, '화이팅': 1866, '협소': 1867, '디': 1868, '멀다': 1869, '조잡': 1870, '속': 1871, '근대': 1872, '부탁드리다': 1873, '대처': 1874, '무난': 1875, '쏟아지다': 1876, '채': 1877, '평범': 1878, '여름': 1879, '약하다': 1880, '온도': 1881, '디자인': 1882, '담기다': 1883, '블랙': 1884, '차다': 1885, '플랫': 1886, '화': 1887, '이티': 1888, '지향': 1889, '이르다': 1890, '다소': 1891, '안전': 1892, '흑임자': 1893, '이유': 1894, '역겹다': 1895, '모금': 1896, '겨우': 1897, '박살': 1898, '별거': 1899, '일부러': 1900, '필요': 1901, '망': 1902, '본질': 1903, '질': 1904, '구성': 1905, '카페트': 1906, '나무': 1907, '곰팡이': 1908, '피다': 1909, '고프다': 1910, '버세': 1911, '일리': 1912, '충전기': 1913, '매니저': 1914, '호출': 1915, '울': 1916, '리지': 1917, '치우다': 1918, '에서만': 1919, '절반': 1920, '이상은': 1921, '오전': 1922, '귀찮다': 1923, '건성건성': 1924, '질문': 1925, '웅얼': 1926, '듯이': 1927, '매번': 1928, '젠틀': 1929, '옵니다': 1930, '빨': 1931, '리만': 1932, '푸석푸석하다': 1933, '초파리': 1934, '레몬에이드': 1935, '애매': 1936, '안성맞춤': 1937, '개꿀': 1938, '쥰내많아': 1939, '본': 1940, '사보다': 1941, '콤': 1942, '달콤하다': 1943, '맹맛': 1944, '도하': 1945, '떫': 1946}\n"
     ]
    }
   ],
   "source": [
    "print(tokenizer.word_index)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 38,
   "id": "c5d6cc5a",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "단어 집합(vocabulary)의 크기 : 1946\n",
      "등장 빈도가 2번 이하인 희귀 단어의 수: 1362\n",
      "단어 집합에서 희귀 단어의 비율: 69.98972250770812\n",
      "전체 등장 빈도에서 희귀 단어 등장 빈도 비율: 19.22323383657946\n"
     ]
    }
   ],
   "source": [
    "threshold = 3\n",
    "total_cnt = len(tokenizer.word_index) # 단어의 수\n",
    "rare_cnt = 0 # 등장 빈도수가 threshold보다 작은 단어의 개수를 카운트\n",
    "total_freq = 0 # 훈련 데이터의 전체 단어 빈도수 총 합\n",
    "rare_freq = 0 # 등장 빈도수가 threshold보다 작은 단어의 등장 빈도수의 총 합\n",
    "\n",
    "# 단어와 빈도수의 쌍(pair)을 key와 value로 받는다.\n",
    "for key, value in tokenizer.word_counts.items():\n",
    "    total_freq = total_freq + value\n",
    "\n",
    "    # 단어의 등장 빈도수가 threshold보다 작으면\n",
    "    if(value < threshold):\n",
    "        rare_cnt = rare_cnt + 1\n",
    "        rare_freq = rare_freq + value\n",
    "\n",
    "print('단어 집합(vocabulary)의 크기 :',total_cnt)\n",
    "print('등장 빈도가 %s번 이하인 희귀 단어의 수: %s'%(threshold - 1, rare_cnt))\n",
    "print(\"단어 집합에서 희귀 단어의 비율:\", (rare_cnt / total_cnt)*100)\n",
    "print(\"전체 등장 빈도에서 희귀 단어 등장 빈도 비율:\", (rare_freq / total_freq)*100)"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "39434d64",
   "metadata": {},
   "source": [
    "## => 희귀 단어 등장 빈도 비율이 20% 가까이 되므로 등장 빈도수가 2 이하인 단어들을 제거하지 않는다."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 39,
   "id": "5a90ed50",
   "metadata": {},
   "outputs": [],
   "source": [
    "vocab_size = total_cnt # 단어 집합 크기 (제거된게 없으므로 그대로 유지)\n",
    "# 정수 인코딩 진행\n",
    "tokenizer = Tokenizer(vocab_size) \n",
    "tokenizer.fit_on_texts(X_train)\n",
    "X_train = tokenizer.texts_to_sequences(X_train)\n",
    "X_test = tokenizer.texts_to_sequences(X_test)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 40,
   "id": "36b548c4",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "[[3, 98, 16, 585, 247, 292, 586, 55, 152, 891, 892, 189, 893, 77, 426, 354, 172], [70, 587, 27, 9, 17, 129, 34], [588, 1, 589, 427, 428]]\n"
     ]
    }
   ],
   "source": [
    "print(X_train[:3]) # 정수 인코딩 되었는지 확인"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 41,
   "id": "5105eb5e",
   "metadata": {},
   "outputs": [],
   "source": [
    "y_train = np.array(train_data['label'])\n",
    "y_test = np.array(test_data['label'])"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "c47e95a4",
   "metadata": {},
   "source": [
    "## 5. 빈 샘플 제거"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 42,
   "id": "95da9599",
   "metadata": {},
   "outputs": [],
   "source": [
    "drop_train = [index for index, sentence in enumerate(X_train) if len(sentence) < 1]"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 43,
   "id": "f6d4824a",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1036\n",
      "1036\n"
     ]
    },
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "C:\\Users\\user\\anaconda3\\lib\\site-packages\\numpy\\lib\\function_base.py:4454: VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is deprecated. If you meant to do this, you must specify 'dtype=object' when creating the ndarray.\n",
      "  arr = asarray(arr)\n"
     ]
    }
   ],
   "source": [
    "# 빈 샘플들을 제거\n",
    "X_train = np.delete(X_train, drop_train, axis=0)\n",
    "y_train = np.delete(y_train, drop_train, axis=0)\n",
    "print(len(X_train))\n",
    "print(len(y_train))"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "80254880",
   "metadata": {},
   "source": [
    "## 6. 패딩"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 44,
   "id": "65a1cafe",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "리뷰의 최대 길이 : 120\n",
      "리뷰의 평균 길이 : 8.374517374517374\n"
     ]
    },
    {
     "data": {
      "image/png": "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\n",
      "text/plain": [
       "<Figure size 432x288 with 1 Axes>"
      ]
     },
     "metadata": {
      "needs_background": "light"
     },
     "output_type": "display_data"
    }
   ],
   "source": [
    "# 서로 다른 길이의 샘플들의 길이를 동일하게 맞춰주는 것이 패딩 작업\n",
    "\n",
    "print('리뷰의 최대 길이 :',max(len(review) for review in X_train))\n",
    "print('리뷰의 평균 길이 :',sum(map(len, X_train))/len(X_train))\n",
    "plt.hist([len(review) for review in X_train], bins=50)\n",
    "plt.xlabel('length of samples')\n",
    "plt.ylabel('number of samples')\n",
    "plt.show()"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 45,
   "id": "ceb3d2d0",
   "metadata": {},
   "outputs": [],
   "source": [
    "def below_threshold_len(max_len, nested_list):\n",
    "  count = 0\n",
    "  for sentence in nested_list:\n",
    "    if(len(sentence) <= max_len):\n",
    "        count = count + 1\n",
    "  print('전체 샘플 중 길이가 %s 이하인 샘플의 비율: %s'%(max_len, (count / len(nested_list))*100))"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 46,
   "id": "f10083e4",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "전체 샘플 중 길이가 40 이하인 샘플의 비율: 98.26254826254826\n"
     ]
    }
   ],
   "source": [
    "max_len = 40\n",
    "below_threshold_len(max_len, X_train)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 47,
   "id": "9522a47a",
   "metadata": {},
   "outputs": [],
   "source": [
    "# 모든 샘플의 길이를 40으로 통일\n",
    "\n",
    "X_train = pad_sequences(X_train, maxlen=max_len)\n",
    "X_test = pad_sequences(X_test, maxlen=max_len)"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "a34975d4",
   "metadata": {},
   "source": [
    "### 7. LSTM으로 카페 리뷰 감성 분류하기"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 48,
   "id": "8ec0ab24",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Epoch 1/15\n",
      "13/13 [==============================] - ETA: 0s - loss: 0.6746 - acc: 0.6353\n",
      "Epoch 1: val_acc improved from -inf to 0.73077, saving model to best_model.h5\n",
      "13/13 [==============================] - 4s 93ms/step - loss: 0.6746 - acc: 0.6353 - val_loss: 0.6330 - val_acc: 0.7308\n",
      "Epoch 2/15\n",
      "13/13 [==============================] - ETA: 0s - loss: 0.5474 - acc: 0.8056\n",
      "Epoch 2: val_acc improved from 0.73077 to 0.81250, saving model to best_model.h5\n",
      "13/13 [==============================] - 1s 41ms/step - loss: 0.5474 - acc: 0.8056 - val_loss: 0.4726 - val_acc: 0.8125\n",
      "Epoch 3/15\n",
      "13/13 [==============================] - ETA: 0s - loss: 0.3493 - acc: 0.8865\n",
      "Epoch 3: val_acc improved from 0.81250 to 0.86058, saving model to best_model.h5\n",
      "13/13 [==============================] - 1s 55ms/step - loss: 0.3493 - acc: 0.8865 - val_loss: 0.3872 - val_acc: 0.8606\n",
      "Epoch 4/15\n",
      "13/13 [==============================] - ETA: 0s - loss: 0.2355 - acc: 0.9324\n",
      "Epoch 4: val_acc improved from 0.86058 to 0.87019, saving model to best_model.h5\n",
      "13/13 [==============================] - 1s 41ms/step - loss: 0.2355 - acc: 0.9324 - val_loss: 0.3389 - val_acc: 0.8702\n",
      "Epoch 5/15\n",
      "13/13 [==============================] - ETA: 0s - loss: 0.1775 - acc: 0.9469\n",
      "Epoch 5: val_acc improved from 0.87019 to 0.87500, saving model to best_model.h5\n",
      "13/13 [==============================] - 1s 39ms/step - loss: 0.1775 - acc: 0.9469 - val_loss: 0.3151 - val_acc: 0.8750\n",
      "Epoch 6/15\n",
      "13/13 [==============================] - ETA: 0s - loss: 0.1247 - acc: 0.9746\n",
      "Epoch 6: val_acc did not improve from 0.87500\n",
      "13/13 [==============================] - 1s 39ms/step - loss: 0.1247 - acc: 0.9746 - val_loss: 0.3679 - val_acc: 0.8606\n",
      "Epoch 7/15\n",
      "13/13 [==============================] - ETA: 0s - loss: 0.1030 - acc: 0.9771\n",
      "Epoch 7: val_acc did not improve from 0.87500\n",
      "13/13 [==============================] - 1s 39ms/step - loss: 0.1030 - acc: 0.9771 - val_loss: 0.3233 - val_acc: 0.8558\n",
      "Epoch 8/15\n",
      "13/13 [==============================] - ETA: 0s - loss: 0.0779 - acc: 0.9795\n",
      "Epoch 8: val_acc did not improve from 0.87500\n",
      "13/13 [==============================] - 1s 39ms/step - loss: 0.0779 - acc: 0.9795 - val_loss: 0.4750 - val_acc: 0.8269\n",
      "Epoch 9/15\n",
      "13/13 [==============================] - ETA: 0s - loss: 0.0620 - acc: 0.9807\n",
      "Epoch 9: val_acc improved from 0.87500 to 0.87981, saving model to best_model.h5\n",
      "13/13 [==============================] - 1s 40ms/step - loss: 0.0620 - acc: 0.9807 - val_loss: 0.3566 - val_acc: 0.8798\n",
      "Epoch 9: early stopping\n"
     ]
    }
   ],
   "source": [
    "from tensorflow.keras.layers import Embedding, Dense, LSTM\n",
    "# Embedding: 벡터 공간에서 더 가까운 단어가 예상되도록 단어의 의미를 인코딩하는 실수 값 벡터의 형태로 텍스트 분석을 위한 단어 표현에 사용되는 용어\n",
    "# Dense: 뉴런의 입력과 출력을 연결\n",
    "# LSTM: RNN의 한 종류. 단순한 neural network layer 한 층 대신, 4개의 layer가  특별한 방식으로 서로 정보를 주고 받도록 되어 있다.\n",
    "# LSTM -> 기울기 소멸 문제 방지\n",
    "\n",
    "from tensorflow.keras.models import Sequential # 순차적으로 레이어 층 더해줌\n",
    "from tensorflow.keras.models import load_model # 모델 불러오기 함수\n",
    "from tensorflow.keras.callbacks import EarlyStopping, ModelCheckpoint\n",
    "# EarlyStopping: 과적합을 방지하기 위해 조기종료\n",
    "# ModelCheckpoint: 학습 중인 모델 자동으로 저장하기\n",
    "\n",
    "embedding_dim = 100 # 임베딩 벡터 차원은 100\n",
    "hidden_units = 128 # 은닉 상태의 크기는 128\n",
    "\n",
    "model = Sequential()\n",
    "model.add(Embedding(vocab_size, embedding_dim))\n",
    "model.add(LSTM(hidden_units))\n",
    "model.add(Dense(1, activation='sigmoid')) # 활성화 함수로 시그모이드 함수 사용. 로지스틱 회귀를 사용해야 하므로\n",
    "# 로지스틱 회귀분석에서는 종속변수가 0 또는 1이기 때문에  y=wx+b 을 이용해서 예측하는 것은 의미가 없다\n",
    "\n",
    "es = EarlyStopping(monitor='val_loss', mode='min', verbose=1, patience=4) # 조기종료\n",
    "mc = ModelCheckpoint('best_model.h5', monitor='val_acc', mode='max', verbose=1, save_best_only=True) # 자동 저장\n",
    "\n",
    "model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['acc']) # 손실함수: binary_crossentropy. 이진 분류에 적합\n",
    "history = model.fit(X_train, y_train, epochs=15, callbacks=[es, mc], batch_size=64, validation_split=0.2) # 검증데이터는 20% 사용"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 49,
   "id": "a98c0124",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "11/11 [==============================] - 0s 7ms/step - loss: 0.3243 - acc: 0.8693\n",
      "\n",
      " 테스트 정확도: 0.8693\n"
     ]
    }
   ],
   "source": [
    "loaded_model = load_model('best_model.h5') # 훈련 과정에서 검증 데이터의 정확도가 가장 높았을 때 저장된 모델인 'best_model.h5'를 로드\n",
    "print(\"\\n 테스트 정확도: %.4f\" % (loaded_model.evaluate(X_test, y_test)[1])) # 테스트 데이터에 대해서 정확도를 측정"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "1683a9d7",
   "metadata": {},
   "source": [
    "## 8. 리뷰 예측해보기"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 50,
   "id": "14b2cf24",
   "metadata": {},
   "outputs": [],
   "source": [
    "# 임의의 리뷰에 대해서 예측하는 함수를 만들어보자\n",
    "\n",
    "def sentiment_predict(new_sentence):\n",
    "  new_sentence = re.sub(r'[^ㄱ-ㅎㅏ-ㅣ가-힣 ]','', new_sentence)\n",
    "  new_sentence = okt.morphs(new_sentence, stem=True) # 토큰화\n",
    "  new_sentence = [word for word in new_sentence if not word in stopwords] # 불용어 제거\n",
    "  encoded = tokenizer.texts_to_sequences([new_sentence]) # 정수 인코딩\n",
    "  pad_new = pad_sequences(encoded, maxlen = max_len) # 패딩\n",
    "  score = float(loaded_model.predict(pad_new)) # 예측\n",
    "  if(score > 0.5):\n",
    "    print(\"{:.2f}% 확률로 긍정 리뷰입니다.\\n\".format(score * 100))\n",
    "  else:\n",
    "    print(\"{:.2f}% 확률로 부정 리뷰입니다.\\n\".format((1 - score) * 100))"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 51,
   "id": "7006f841",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1/1 [==============================] - 0s 353ms/step\n",
      "98.78% 확률로 긍정 리뷰입니다.\n",
      "\n"
     ]
    }
   ],
   "source": [
    "sentiment_predict('맛있어요!')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 52,
   "id": "d1875de9",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1/1 [==============================] - 0s 15ms/step\n",
      "99.71% 확률로 긍정 리뷰입니다.\n",
      "\n"
     ]
    }
   ],
   "source": [
    "sentiment_predict('공부하기 좋아요')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 53,
   "id": "71929645",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1/1 [==============================] - 0s 13ms/step\n",
      "92.00% 확률로 부정 리뷰입니다.\n",
      "\n"
     ]
    }
   ],
   "source": [
    "sentiment_predict('불친절해요')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 54,
   "id": "a2a3076e",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1/1 [==============================] - 0s 16ms/step\n",
      "97.97% 확률로 긍정 리뷰입니다.\n",
      "\n"
     ]
    }
   ],
   "source": [
    "sentiment_predict(\"가성비가 좋아요\")"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 55,
   "id": "a8d522ed",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.86% 확률로 부정 리뷰입니다.\n",
      "\n"
     ]
    }
   ],
   "source": [
    "sentiment_predict('화장실이 청소가 잘 안되어있다')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 56,
   "id": "0b7780aa",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1/1 [==============================] - 0s 15ms/step\n",
      "99.85% 확률로 부정 리뷰입니다.\n",
      "\n"
     ]
    }
   ],
   "source": [
    "sentiment_predict('음료가 상큼하게 역겨워요... 뭔가 이상한 걸 넣었거나 뭔가 잘못 넣은듯 3모금 겨우 먹고 버렸어요..')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 57,
   "id": "df15911f",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1/1 [==============================] - 0s 14ms/step\n",
      "96.32% 확률로 부정 리뷰입니다.\n",
      "\n"
     ]
    }
   ],
   "source": [
    "sentiment_predict('너무 시끄러워요')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 58,
   "id": "a8dd5143",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1/1 [==============================] - 0s 18ms/step\n",
      "99.99% 확률로 부정 리뷰입니다.\n",
      "\n"
     ]
    }
   ],
   "source": [
    "sentiment_predict('벌레나오고 알바 싸가지 없음')"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "8b9f7a9f",
   "metadata": {},
   "source": [
    "## 9. TfidfVectorizer와 Cosine_similarity를 활용한 카페 추천"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 74,
   "id": "cdc61774",
   "metadata": {},
   "outputs": [],
   "source": [
    "Deus_reviews = pd.read_csv('C:/Users/User/Desktop/Deus_review.csv', encoding='cp949')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 75,
   "id": "9f0721e7",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>LABEL-10</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>지난 번에는 소금빵과 포카치아에 얼그레이 밀크티 (\\n..?) 마셨고 이번에는 빵 ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>여기 까눌레랑 소금빵 ?? 맛집이네요-! ㅎㅎ 커피도 \\n맛있고 구냥 지나가다가 우...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>카페 매장도 넓고, 베이커리류 디저트류가 많아서 좋았어요! 음료도 맛있고 사진찍기도...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>보통 카페 다시 방문 잘 안하는데 여기는 주기적으로\\n꼭 가요 맨처음 오픈한 직후에...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>데우스페너 여느 아인슈페너와 비슷함 딱히 쫀쫀함\\n은 없고 달달함 분위기는 힙하고 ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>61</th>\n",
       "      <td>바이크 타는 사람들은 무조건 가야 하는 곳</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>62</th>\n",
       "      <td>카페가 너무 예쁘고 좋아요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>63</th>\n",
       "      <td>직원분들 밝게 인사해주시고 커피랑 당근케잌 너무 맛있어요 !</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>64</th>\n",
       "      <td>너무 맛있어요!!</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>65</th>\n",
       "      <td>오토바이를 좋아하는 당신께,</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>66 rows × 1 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                             LABEL-10\n",
       "0   지난 번에는 소금빵과 포카치아에 얼그레이 밀크티 (\\n..?) 마셨고 이번에는 빵 ...\n",
       "1   여기 까눌레랑 소금빵 ?? 맛집이네요-! ㅎㅎ 커피도 \\n맛있고 구냥 지나가다가 우...\n",
       "2   카페 매장도 넓고, 베이커리류 디저트류가 많아서 좋았어요! 음료도 맛있고 사진찍기도...\n",
       "3   보통 카페 다시 방문 잘 안하는데 여기는 주기적으로\\n꼭 가요 맨처음 오픈한 직후에...\n",
       "4   데우스페너 여느 아인슈페너와 비슷함 딱히 쫀쫀함\\n은 없고 달달함 분위기는 힙하고 ...\n",
       "..                                                ...\n",
       "61                            바이크 타는 사람들은 무조건 가야 하는 곳\n",
       "62                                     카페가 너무 예쁘고 좋아요\n",
       "63                  직원분들 밝게 인사해주시고 커피랑 당근케잌 너무 맛있어요 !\n",
       "64                                          너무 맛있어요!!\n",
       "65                                    오토바이를 좋아하는 당신께,\n",
       "\n",
       "[66 rows x 1 columns]"
      ]
     },
     "execution_count": 75,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "Deus_reviews # 데우스 카페 리뷰들"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 79,
   "id": "f63d45b7",
   "metadata": {},
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_5240\\58638805.py:1: FutureWarning: The default value of regex will change from True to False in a future version.\n",
      "  Deus_reviews['LABEL-10'] = Deus_reviews['LABEL-10'].str.replace(\"[^ㄱ-ㅎㅏ-ㅣ가-힣 ]\",\"\")\n"
     ]
    },
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>LABEL-10</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>지난 번에는 소금빵과 포카치아에 얼그레이 밀크티  마셨고 이번에는 빵 오 쇼콜라에 ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>여기 까눌레랑 소금빵  맛집이네요 ㅎㅎ 커피도 맛있고 구냥 지나가다가 우연히 들어간...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>카페 매장도 넓고 베이커리류 디저트류가 많아서 좋았어요 음료도 맛있고 사진찍기도 정...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>보통 카페 다시 방문 잘 안하는데 여기는 주기적으로꼭 가요 맨처음 오픈한 직후에는 ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>데우스페너 여느 아인슈페너와 비슷함 딱히 쫀쫀함은 없고 달달함 분위기는 힙하고 깔 끔</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>61</th>\n",
       "      <td>바이크 타는 사람들은 무조건 가야 하는 곳</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>62</th>\n",
       "      <td>카페가 너무 예쁘고 좋아요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>63</th>\n",
       "      <td>직원분들 밝게 인사해주시고 커피랑 당근케잌 너무 맛있어요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>64</th>\n",
       "      <td>너무 맛있어요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>65</th>\n",
       "      <td>오토바이를 좋아하는 당신께</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>66 rows × 1 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                             LABEL-10\n",
       "0   지난 번에는 소금빵과 포카치아에 얼그레이 밀크티  마셨고 이번에는 빵 오 쇼콜라에 ...\n",
       "1   여기 까눌레랑 소금빵  맛집이네요 ㅎㅎ 커피도 맛있고 구냥 지나가다가 우연히 들어간...\n",
       "2   카페 매장도 넓고 베이커리류 디저트류가 많아서 좋았어요 음료도 맛있고 사진찍기도 정...\n",
       "3   보통 카페 다시 방문 잘 안하는데 여기는 주기적으로꼭 가요 맨처음 오픈한 직후에는 ...\n",
       "4     데우스페너 여느 아인슈페너와 비슷함 딱히 쫀쫀함은 없고 달달함 분위기는 힙하고 깔 끔\n",
       "..                                                ...\n",
       "61                            바이크 타는 사람들은 무조건 가야 하는 곳\n",
       "62                                     카페가 너무 예쁘고 좋아요\n",
       "63                   직원분들 밝게 인사해주시고 커피랑 당근케잌 너무 맛있어요 \n",
       "64                                            너무 맛있어요\n",
       "65                                     오토바이를 좋아하는 당신께\n",
       "\n",
       "[66 rows x 1 columns]"
      ]
     },
     "execution_count": 79,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "Deus_reviews['LABEL-10'] = Deus_reviews['LABEL-10'].str.replace(\"[^ㄱ-ㅎㅏ-ㅣ가-힣 ]\",\"\") # 힌글, 공백 제외하고 모두 제거\n",
    "Deus_reviews"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 59,
   "id": "9242b7be",
   "metadata": {},
   "outputs": [],
   "source": [
    "def sentiment_predict(new_sentence):\n",
    "  new_sentence = re.sub(r'[^ㄱ-ㅎㅏ-ㅣ가-힣 ]','', new_sentence)\n",
    "  new_sentence = okt.morphs(new_sentence, stem=True) # 토큰화\n",
    "  new_sentence = [word for word in new_sentence if not word in stopwords] # 불용어 제거\n",
    "  encoded = tokenizer.texts_to_sequences([new_sentence]) # 정수 인코딩\n",
    "  pad_new = pad_sequences(encoded, maxlen = max_len) # 패딩\n",
    "  score = float(loaded_model.predict(pad_new)) # 예측\n",
    "  print(\"{:.2f}% \\n\".format(score*100)) # 앞에서와는 다르게 출력을 퍼센트로만 나타낸다."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 163,
   "id": "bc3a450a",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1/1 [==============================] - 0s 14ms/step\n",
      "94.68% \n",
      "\n",
      "0\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "87.25% \n",
      "\n",
      "1\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "97.92% \n",
      "\n",
      "2\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "4.16% \n",
      "\n",
      "3\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "7.60% \n",
      "\n",
      "4\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "77.36% \n",
      "\n",
      "5\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "88.89% \n",
      "\n",
      "6\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 17ms/step\n",
      "98.46% \n",
      "\n",
      "7\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 16ms/step\n",
      "51.70% \n",
      "\n",
      "8\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "97.76% \n",
      "\n",
      "9\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.01% \n",
      "\n",
      "10\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "91.17% \n",
      "\n",
      "11\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "91.97% \n",
      "\n",
      "12\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "4.30% \n",
      "\n",
      "13\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "95.90% \n",
      "\n",
      "14\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.20% \n",
      "\n",
      "15\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "98.10% \n",
      "\n",
      "16\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 17ms/step\n",
      "90.33% \n",
      "\n",
      "17\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 16ms/step\n",
      "96.26% \n",
      "\n",
      "18\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.20% \n",
      "\n",
      "19\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "84.46% \n",
      "\n",
      "20\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "67.05% \n",
      "\n",
      "21\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "88.29% \n",
      "\n",
      "22\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "96.49% \n",
      "\n",
      "23\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "97.49% \n",
      "\n",
      "24\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "43.01% \n",
      "\n",
      "25\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 17ms/step\n",
      "82.67% \n",
      "\n",
      "26\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 18ms/step\n",
      "99.29% \n",
      "\n",
      "27\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 22ms/step\n",
      "95.00% \n",
      "\n",
      "28\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "88.60% \n",
      "\n",
      "29\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "93.46% \n",
      "\n",
      "30\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "95.03% \n",
      "\n",
      "31\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 12ms/step\n",
      "95.97% \n",
      "\n",
      "32\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "97.81% \n",
      "\n",
      "33\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 16ms/step\n",
      "28.10% \n",
      "\n",
      "34\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.18% \n",
      "\n",
      "35\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.40% \n",
      "\n",
      "36\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.28% \n",
      "\n",
      "37\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "64.02% \n",
      "\n",
      "38\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "47.12% \n",
      "\n",
      "39\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "93.67% \n",
      "\n",
      "40\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "91.76% \n",
      "\n",
      "41\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "98.82% \n",
      "\n",
      "42\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 12ms/step\n",
      "94.19% \n",
      "\n",
      "43\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "58.69% \n",
      "\n",
      "44\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 12ms/step\n",
      "73.88% \n",
      "\n",
      "45\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "55.46% \n",
      "\n",
      "46\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.33% \n",
      "\n",
      "47\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "97.37% \n",
      "\n",
      "48\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "93.84% \n",
      "\n",
      "49\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "85.94% \n",
      "\n",
      "50\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "88.04% \n",
      "\n",
      "51\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "95.70% \n",
      "\n",
      "52\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.24% \n",
      "\n",
      "53\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "97.09% \n",
      "\n",
      "54\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "76.38% \n",
      "\n",
      "55\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "88.10% \n",
      "\n",
      "56\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "92.17% \n",
      "\n",
      "57\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "85.36% \n",
      "\n",
      "58\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "2.65% \n",
      "\n",
      "59\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "17.54% \n",
      "\n",
      "60\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "36.45% \n",
      "\n",
      "61\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "85.77% \n",
      "\n",
      "62\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "96.89% \n",
      "\n",
      "63\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "73.88% \n",
      "\n",
      "64\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "47.57% \n",
      "\n",
      "65\n",
      "---------------------------------------------------------\n"
     ]
    }
   ],
   "source": [
    "for i in range(len(Deus_reviews)):\n",
    "    sentiment_predict(str(Deus_reviews.iloc[i]))\n",
    "    print(i) # 각 인덱스 번호\n",
    "    print(\"---------------------------------------------------------\")\n",
    "    \n"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "ca56154f",
   "metadata": {},
   "source": [
    "### 긍정적 리뷰인 확률이 높은 것 5개\n",
    "\n",
    "1. 99.4%  (인덱스 36번)\n",
    "2. 99.33% (인덱스 47번)\n",
    "3. 99.29% (인덱스 27번)\n",
    "4. 99.24% (인덱스 53번)\n",
    "5. 99.18% (인덱스 35번)\n",
    "\n",
    "**각 인덱스에 해당하는 리뷰들을 추출하여 합해준 것이 overview** "
   ]
  },
  {
   "cell_type": "markdown",
   "id": "c4ca8091",
   "metadata": {},
   "source": [
    "### 즉, overview는 다음과 같이 된다.\n",
    "\n",
    "##  분위기도 좋고 커피, 케이크도 맛있어요 또 오고 싶어용 디저트 맛있어요 커피는 아쉬워요 인테리어가 멋지고 음악이 넘 좋답니다 진짜 맛있어요. 인테리어 커피 다좋아요 근데 빵도 맛있어요.. 숨겨진 빵맛집 ㅠ 커피는 좀 산미가 강해요 빵도 다 맛있어요 소금빵 있어서 넘 조아요 멋스러운 분위기와 항상 방문할 때 마다 맛있고, 직원분들은 정말 친절하십니다.\n",
    "\n",
    "\n"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "ff61a65e",
   "metadata": {},
   "source": [
    "### 다른 카페들에 대해서도 똑같이 진행하여 overview를 작성해준다. "
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 5,
   "id": "ce8ed3e1",
   "metadata": {},
   "outputs": [],
   "source": [
    "Bomonde_reviews = pd.read_csv('C:/Users/User/Desktop/Bomonde_review.csv', encoding='cp949')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 6,
   "id": "7df106bc",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>LABEL-18</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>사진 찍는 스팟이 많아서 아기 데리고 가기도 좋아요\\n:) 인테리어도 깔끔해요:) ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>9월초에 생겨서 한달도 안된 기장 신상 대형카페!!  \\n이미 핫플인지 사람이 엄청...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>여기가 카페인가 관광지인가ㅎㅎ 규모가 엄청크고 \\n인테리어도 너무 옙뻐서 정말 어디...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>진짜 오랜만에 사진 100장가까이 찍은 카페 보몽드. \\n조경과 건물이 넘 아름답고...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>이렇게 넓고 유럽성같은 커피숍은 처음이에요! 주차\\n장에 차대고 올라오는 풍경이 그...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>104</th>\n",
       "      <td>뷰 맛집~~</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>105</th>\n",
       "      <td>넓고 좋네요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>106</th>\n",
       "      <td>좋아요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>107</th>\n",
       "      <td>엄청나네요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>108</th>\n",
       "      <td>여행 온 느낌의 카페 ?? 실내도 좋지만,\\n실외가 좀 더 예뻤던거 같아요~ 날씨 ...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>109 rows × 1 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                              LABEL-18\n",
       "0    사진 찍는 스팟이 많아서 아기 데리고 가기도 좋아요\\n:) 인테리어도 깔끔해요:) ...\n",
       "1    9월초에 생겨서 한달도 안된 기장 신상 대형카페!!  \\n이미 핫플인지 사람이 엄청...\n",
       "2    여기가 카페인가 관광지인가ㅎㅎ 규모가 엄청크고 \\n인테리어도 너무 옙뻐서 정말 어디...\n",
       "3    진짜 오랜만에 사진 100장가까이 찍은 카페 보몽드. \\n조경과 건물이 넘 아름답고...\n",
       "4    이렇게 넓고 유럽성같은 커피숍은 처음이에요! 주차\\n장에 차대고 올라오는 풍경이 그...\n",
       "..                                                 ...\n",
       "104                                             뷰 맛집~~\n",
       "105                                             넓고 좋네요\n",
       "106                                                좋아요\n",
       "107                                              엄청나네요\n",
       "108  여행 온 느낌의 카페 ?? 실내도 좋지만,\\n실외가 좀 더 예뻤던거 같아요~ 날씨 ...\n",
       "\n",
       "[109 rows x 1 columns]"
      ]
     },
     "execution_count": 6,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "Bomonde_reviews\n",
    "\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 7,
   "id": "21ca1e2e",
   "metadata": {},
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\722685061.py:1: FutureWarning: The default value of regex will change from True to False in a future version.\n",
      "  Bomonde_reviews['LABEL-18'] = Bomonde_reviews['LABEL-18'].str.replace(\"[^ㄱ-ㅎㅏ-ㅣ가-힣 ]\",\"\")\n"
     ]
    },
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>LABEL-18</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>사진 찍는 스팟이 많아서 아기 데리고 가기도 좋아요 인테리어도 깔끔해요  조경도 잘...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>월초에 생겨서 한달도 안된 기장 신상 대형카페  이미 핫플인지 사람이 엄청 많았지만...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>여기가 카페인가 관광지인가ㅎㅎ 규모가 엄청크고 인테리어도 너무 옙뻐서 정말 어디에 ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>진짜 오랜만에 사진 장가까이 찍은 카페 보몽드 조경과 건물이 넘 아름답고 요즘 날씨...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>이렇게 넓고 유럽성같은 커피숍은 처음이에요 주차장에 차대고 올라오는 풍경이 그림같고...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>104</th>\n",
       "      <td>뷰 맛집</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>105</th>\n",
       "      <td>넓고 좋네요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>106</th>\n",
       "      <td>좋아요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>107</th>\n",
       "      <td>엄청나네요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>108</th>\n",
       "      <td>여행 온 느낌의 카페  실내도 좋지만실외가 좀 더 예뻤던거 같아요 날씨 좋은날다시 ...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>109 rows × 1 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                              LABEL-18\n",
       "0    사진 찍는 스팟이 많아서 아기 데리고 가기도 좋아요 인테리어도 깔끔해요  조경도 잘...\n",
       "1    월초에 생겨서 한달도 안된 기장 신상 대형카페  이미 핫플인지 사람이 엄청 많았지만...\n",
       "2    여기가 카페인가 관광지인가ㅎㅎ 규모가 엄청크고 인테리어도 너무 옙뻐서 정말 어디에 ...\n",
       "3    진짜 오랜만에 사진 장가까이 찍은 카페 보몽드 조경과 건물이 넘 아름답고 요즘 날씨...\n",
       "4    이렇게 넓고 유럽성같은 커피숍은 처음이에요 주차장에 차대고 올라오는 풍경이 그림같고...\n",
       "..                                                 ...\n",
       "104                                               뷰 맛집\n",
       "105                                             넓고 좋네요\n",
       "106                                                좋아요\n",
       "107                                              엄청나네요\n",
       "108  여행 온 느낌의 카페  실내도 좋지만실외가 좀 더 예뻤던거 같아요 날씨 좋은날다시 ...\n",
       "\n",
       "[109 rows x 1 columns]"
      ]
     },
     "execution_count": 7,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "Bomonde_reviews['LABEL-18'] = Bomonde_reviews['LABEL-18'].str.replace(\"[^ㄱ-ㅎㅏ-ㅣ가-힣 ]\",\"\")\n",
    "Bomonde_reviews"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 60,
   "id": "493f2105",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.43% \n",
      "\n",
      "0\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "1.23% \n",
      "\n",
      "1\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "48.12% \n",
      "\n",
      "2\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "7.95% \n",
      "\n",
      "3\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "10.72% \n",
      "\n",
      "4\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 16ms/step\n",
      "79.14% \n",
      "\n",
      "5\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 16ms/step\n",
      "97.98% \n",
      "\n",
      "6\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "97.98% \n",
      "\n",
      "7\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "4.57% \n",
      "\n",
      "8\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.74% \n",
      "\n",
      "9\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "79.58% \n",
      "\n",
      "10\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "0.04% \n",
      "\n",
      "11\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "0.34% \n",
      "\n",
      "12\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "94.61% \n",
      "\n",
      "13\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.26% \n",
      "\n",
      "14\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "18.06% \n",
      "\n",
      "15\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "40.36% \n",
      "\n",
      "16\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "80.22% \n",
      "\n",
      "17\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.90% \n",
      "\n",
      "18\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "99.80% \n",
      "\n",
      "19\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 16ms/step\n",
      "98.73% \n",
      "\n",
      "20\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "4.17% \n",
      "\n",
      "21\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.05% \n",
      "\n",
      "22\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "97.88% \n",
      "\n",
      "23\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 12ms/step\n",
      "1.13% \n",
      "\n",
      "24\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "2.64% \n",
      "\n",
      "25\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "83.69% \n",
      "\n",
      "26\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 12ms/step\n",
      "69.05% \n",
      "\n",
      "27\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "90.97% \n",
      "\n",
      "28\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "24.48% \n",
      "\n",
      "29\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "98.96% \n",
      "\n",
      "30\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "6.42% \n",
      "\n",
      "31\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "0.02% \n",
      "\n",
      "32\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "77.28% \n",
      "\n",
      "33\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.88% \n",
      "\n",
      "34\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.92% \n",
      "\n",
      "35\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "0.60% \n",
      "\n",
      "36\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "12.08% \n",
      "\n",
      "37\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "27.44% \n",
      "\n",
      "38\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "69.18% \n",
      "\n",
      "39\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "4.63% \n",
      "\n",
      "40\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "96.00% \n",
      "\n",
      "41\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "17.74% \n",
      "\n",
      "42\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "79.11% \n",
      "\n",
      "43\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "69.19% \n",
      "\n",
      "44\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "61.51% \n",
      "\n",
      "45\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.40% \n",
      "\n",
      "46\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "91.07% \n",
      "\n",
      "47\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 12ms/step\n",
      "98.78% \n",
      "\n",
      "48\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.88% \n",
      "\n",
      "49\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "0.15% \n",
      "\n",
      "50\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "79.28% \n",
      "\n",
      "51\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "64.37% \n",
      "\n",
      "52\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "97.84% \n",
      "\n",
      "53\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "82.85% \n",
      "\n",
      "54\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "94.00% \n",
      "\n",
      "55\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 12ms/step\n",
      "99.77% \n",
      "\n",
      "56\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "87.86% \n",
      "\n",
      "57\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "80.59% \n",
      "\n",
      "58\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "0.25% \n",
      "\n",
      "59\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "23.20% \n",
      "\n",
      "60\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "94.04% \n",
      "\n",
      "61\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "71.29% \n",
      "\n",
      "62\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "90.72% \n",
      "\n",
      "63\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "46.47% \n",
      "\n",
      "64\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "98.61% \n",
      "\n",
      "65\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "86.50% \n",
      "\n",
      "66\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.50% \n",
      "\n",
      "67\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "89.31% \n",
      "\n",
      "68\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "94.00% \n",
      "\n",
      "69\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "86.07% \n",
      "\n",
      "70\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.85% \n",
      "\n",
      "71\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 25ms/step\n",
      "99.90% \n",
      "\n",
      "72\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "66.54% \n",
      "\n",
      "73\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "0.00% \n",
      "\n",
      "74\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "1.09% \n",
      "\n",
      "75\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.86% \n",
      "\n",
      "76\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "81.31% \n",
      "\n",
      "77\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.65% \n",
      "\n",
      "78\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "26.14% \n",
      "\n",
      "79\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.97% \n",
      "\n",
      "80\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "45.79% \n",
      "\n",
      "81\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "38.39% \n",
      "\n",
      "82\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "0.62% \n",
      "\n",
      "83\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "81.55% \n",
      "\n",
      "84\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "1.05% \n",
      "\n",
      "85\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.35% \n",
      "\n",
      "86\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "16.47% \n",
      "\n",
      "87\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "21.26% \n",
      "\n",
      "88\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 12ms/step\n",
      "91.81% \n",
      "\n",
      "89\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.82% \n",
      "\n",
      "90\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "92.03% \n",
      "\n",
      "91\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "0.55% \n",
      "\n",
      "92\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.94% \n",
      "\n",
      "93\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.68% \n",
      "\n",
      "94\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "3.88% \n",
      "\n",
      "95\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "96.96% \n",
      "\n",
      "96\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "96.42% \n",
      "\n",
      "97\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "99.54% \n",
      "\n",
      "98\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "51.72% \n",
      "\n",
      "99\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "17.56% \n",
      "\n",
      "100\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "93.09% \n",
      "\n",
      "101\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "69.78% \n",
      "\n",
      "102\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "92.68% \n",
      "\n",
      "103\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.37% \n",
      "\n",
      "104\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.77% \n",
      "\n",
      "105\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 12ms/step\n",
      "98.46% \n",
      "\n",
      "106\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "39.29% \n",
      "\n",
      "107\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.80% \n",
      "\n",
      "108\n",
      "---------------------------------------------------------\n"
     ]
    }
   ],
   "source": [
    "def sentiment_predict(new_sentence):\n",
    "  new_sentence = re.sub(r'[^ㄱ-ㅎㅏ-ㅣ가-힣 ]','', new_sentence)\n",
    "  new_sentence = okt.morphs(new_sentence, stem=True) # 토큰화\n",
    "  new_sentence = [word for word in new_sentence if not word in stopwords] # 불용어 제거\n",
    "  encoded = tokenizer.texts_to_sequences([new_sentence]) # 정수 인코딩\n",
    "  pad_new = pad_sequences(encoded, maxlen = max_len) # 패딩\n",
    "  score = float(loaded_model.predict(pad_new)) # 예측\n",
    "  print(\"{:.2f}% \\n\".format(score*100))"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "23ebb904",
   "metadata": {},
   "source": [
    "### 긍정적 리뷰인 확률이 높은 것 5개\n",
    "\n",
    "1. 99.97%  (인덱스 80번)\n",
    "2. 99.94% (인덱스 93번)\n",
    "3. 99.90% (인덱스 72번)\n",
    "4. 99.86% (인덱스 76번)\n",
    "5. 99.85% (인덱스 71번)\n",
    "\n",
    "**각 인덱스에 해당하는 리뷰들을 추출하여 합해준 것이 overview** "
   ]
  },
  {
   "cell_type": "markdown",
   "id": "d6c7bc7b",
   "metadata": {},
   "source": [
    "### 즉, overview는 다음과 같이 된다.\n",
    "\n",
    "##  카페가 엄청 넓고 인테리어가 독특해요! 야외 정원도 너무 예뻐요. 음료도 맛있네용 모든것이 완벽합니다. 넘나 힐링되었어요 분위기가 너무 좋고 자리도 편하고 주차장 커서 좋아요!! 가을엔 밤도 주울수 있을지. 매장 직원들이 친절하고 굉장히 넓어 좋아요 \"힐링이 됩니당 진짜 최고네요 !!ㅎㅎㅎㅎ 커피도 맛있어요.\"\n",
    "\n",
    "\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 61,
   "id": "cbeb96eb",
   "metadata": {},
   "outputs": [],
   "source": [
    "starbucks_hapjung_review = pd.read_csv('C:/Users/User/Desktop/starbucks_hapjung_review.csv', encoding='cp949')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 62,
   "id": "73f6da9e",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>LABEL-10</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>선물 받은 쿠폰으로 방문했는데, 커피 맛은 내 취향이 아님..</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>맛난커피머시며 한강뷰~\\n좋네요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>합정역에서 분위기가 가장 편안한곳</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>음료도 맛있고 위치도 좋규</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>커피와 음료가 맛있고 직원분들이 친절하십니다</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>78</th>\n",
       "      <td>직원분들 너무 친절해요 ㅎㅎ</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>79</th>\n",
       "      <td>굳</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>80</th>\n",
       "      <td>좋아요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>81</th>\n",
       "      <td>친절하고 대화하기 좋았어요??</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>82</th>\n",
       "      <td>굿!</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>83 rows × 1 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                              LABEL-10\n",
       "0   선물 받은 쿠폰으로 방문했는데, 커피 맛은 내 취향이 아님..\n",
       "1                    맛난커피머시며 한강뷰~\\n좋네요\n",
       "2                   합정역에서 분위기가 가장 편안한곳\n",
       "3                       음료도 맛있고 위치도 좋규\n",
       "4             커피와 음료가 맛있고 직원분들이 친절하십니다\n",
       "..                                 ...\n",
       "78                     직원분들 너무 친절해요 ㅎㅎ\n",
       "79                                   굳\n",
       "80                                 좋아요\n",
       "81                    친절하고 대화하기 좋았어요??\n",
       "82                                  굿!\n",
       "\n",
       "[83 rows x 1 columns]"
      ]
     },
     "execution_count": 62,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "starbucks_hapjung_review"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 65,
   "id": "2a7a9368",
   "metadata": {},
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "C:\\Users\\Public\\Documents\\ESTsoft\\CreatorTemp\\ipykernel_9720\\1242938618.py:1: FutureWarning: The default value of regex will change from True to False in a future version.\n",
      "  starbucks_hapjung_review['LABEL-10'] = starbucks_hapjung_review['LABEL-10'].str.replace(\"[^ㄱ-ㅎㅏ-ㅣ가-힣 ]\",\"\")\n"
     ]
    },
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>LABEL-10</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>선물 받은 쿠폰으로 방문했는데 커피 맛은 내 취향이 아님</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>맛난커피머시며 한강뷰좋네요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>합정역에서 분위기가 가장 편안한곳</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>음료도 맛있고 위치도 좋규</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>커피와 음료가 맛있고 직원분들이 친절하십니다</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>78</th>\n",
       "      <td>직원분들 너무 친절해요 ㅎㅎ</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>79</th>\n",
       "      <td>굳</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>80</th>\n",
       "      <td>좋아요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>81</th>\n",
       "      <td>친절하고 대화하기 좋았어요</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>82</th>\n",
       "      <td>굿</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>83 rows × 1 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                           LABEL-10\n",
       "0   선물 받은 쿠폰으로 방문했는데 커피 맛은 내 취향이 아님\n",
       "1                    맛난커피머시며 한강뷰좋네요\n",
       "2                합정역에서 분위기가 가장 편안한곳\n",
       "3                    음료도 맛있고 위치도 좋규\n",
       "4          커피와 음료가 맛있고 직원분들이 친절하십니다\n",
       "..                              ...\n",
       "78                  직원분들 너무 친절해요 ㅎㅎ\n",
       "79                                굳\n",
       "80                              좋아요\n",
       "81                   친절하고 대화하기 좋았어요\n",
       "82                                굿\n",
       "\n",
       "[83 rows x 1 columns]"
      ]
     },
     "execution_count": 65,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "starbucks_hapjung_review['LABEL-10'] = starbucks_hapjung_review['LABEL-10'].str.replace(\"[^ㄱ-ㅎㅏ-ㅣ가-힣 ]\",\"\")\n",
    "starbucks_hapjung_review"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 64,
   "id": "1b2cb606",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1/1 [==============================] - 0s 16ms/step\n",
      "0.19% \n",
      "\n",
      "0\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "97.86% \n",
      "\n",
      "1\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "98.03% \n",
      "\n",
      "2\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.70% \n",
      "\n",
      "3\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.88% \n",
      "\n",
      "4\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "60.32% \n",
      "\n",
      "5\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.46% \n",
      "\n",
      "6\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "98.46% \n",
      "\n",
      "7\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 12ms/step\n",
      "40.95% \n",
      "\n",
      "8\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "91.79% \n",
      "\n",
      "9\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.91% \n",
      "\n",
      "10\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.79% \n",
      "\n",
      "11\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.04% \n",
      "\n",
      "12\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "99.38% \n",
      "\n",
      "13\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "0.05% \n",
      "\n",
      "14\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 16ms/step\n",
      "29.18% \n",
      "\n",
      "15\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 16ms/step\n",
      "99.88% \n",
      "\n",
      "16\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 17ms/step\n",
      "99.88% \n",
      "\n",
      "17\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "99.96% \n",
      "\n",
      "18\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "84.97% \n",
      "\n",
      "19\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "0.00% \n",
      "\n",
      "20\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "0.04% \n",
      "\n",
      "21\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "98.97% \n",
      "\n",
      "22\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "0.00% \n",
      "\n",
      "23\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "1.31% \n",
      "\n",
      "24\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.26% \n",
      "\n",
      "25\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "95.73% \n",
      "\n",
      "26\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 200ms/step\n",
      "98.46% \n",
      "\n",
      "27\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "66.92% \n",
      "\n",
      "28\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "55.36% \n",
      "\n",
      "29\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.76% \n",
      "\n",
      "30\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "98.97% \n",
      "\n",
      "31\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.85% \n",
      "\n",
      "32\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "1.50% \n",
      "\n",
      "33\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.97% \n",
      "\n",
      "34\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "99.90% \n",
      "\n",
      "35\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.21% \n",
      "\n",
      "36\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "92.50% \n",
      "\n",
      "37\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "98.46% \n",
      "\n",
      "38\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.81% \n",
      "\n",
      "39\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.97% \n",
      "\n",
      "40\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.46% \n",
      "\n",
      "41\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "96.87% \n",
      "\n",
      "42\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.78% \n",
      "\n",
      "43\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "92.66% \n",
      "\n",
      "44\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "98.22% \n",
      "\n",
      "45\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "98.46% \n",
      "\n",
      "46\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "99.87% \n",
      "\n",
      "47\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.46% \n",
      "\n",
      "48\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "95.73% \n",
      "\n",
      "49\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.46% \n",
      "\n",
      "50\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.46% \n",
      "\n",
      "51\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "81.23% \n",
      "\n",
      "52\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "95.73% \n",
      "\n",
      "53\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.97% \n",
      "\n",
      "54\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "93.38% \n",
      "\n",
      "55\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "97.47% \n",
      "\n",
      "56\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.46% \n",
      "\n",
      "57\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 12ms/step\n",
      "10.77% \n",
      "\n",
      "58\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.97% \n",
      "\n",
      "59\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.46% \n",
      "\n",
      "60\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "71.22% \n",
      "\n",
      "61\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "98.00% \n",
      "\n",
      "62\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.97% \n",
      "\n",
      "63\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.11% \n",
      "\n",
      "64\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "76.04% \n",
      "\n",
      "65\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "96.58% \n",
      "\n",
      "66\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "98.46% \n",
      "\n",
      "67\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 15ms/step\n",
      "98.97% \n",
      "\n",
      "68\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "98.97% \n",
      "\n",
      "69\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "98.97% \n",
      "\n",
      "70\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "99.58% \n",
      "\n",
      "71\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.97% \n",
      "\n",
      "72\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.97% \n",
      "\n",
      "73\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.97% \n",
      "\n",
      "74\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 14ms/step\n",
      "98.44% \n",
      "\n",
      "75\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.46% \n",
      "\n",
      "76\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 12ms/step\n",
      "98.13% \n",
      "\n",
      "77\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.55% \n",
      "\n",
      "78\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "79.57% \n",
      "\n",
      "79\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "98.46% \n",
      "\n",
      "80\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 13ms/step\n",
      "99.86% \n",
      "\n",
      "81\n",
      "---------------------------------------------------------\n",
      "1/1 [==============================] - 0s 12ms/step\n",
      "98.97% \n",
      "\n",
      "82\n",
      "---------------------------------------------------------\n"
     ]
    }
   ],
   "source": [
    "for i in range(len(starbucks_hapjung_review)):\n",
    "    sentiment_predict(str(starbucks_hapjung_review.iloc[i]))\n",
    "    print(i)\n",
    "    print(\"---------------------------------------------------------\")"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "312d9a1e",
   "metadata": {},
   "source": [
    "### 즉, overview는 다음과 같이 된다.\n",
    "\n",
    "##  직원분들이 정말 친절하고 좋아요 커피와 음료가 맛있고 직원분들이 친절하십니다 합정역 출구랑 가까워서 약속잡기 편하네요 여유있고좋아요 좋아요좋아요좋아요\n",
    "\n",
    "---\n",
    "\n",
    "\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 66,
   "id": "e8fb6ada",
   "metadata": {},
   "outputs": [],
   "source": [
    "cafe_data = pd.read_csv(\"C:/Users/User/Desktop/TEST.csv\", encoding='cp949') \n",
    "# 만들어준 overview를 활용한 임시 데이터\n",
    "# concept은 각 카페의 특색 + 구조 로 이루어진 문장. (아래 그림 참조)"
   ]
  },
  {
   "attachments": {
    "image.png": {
     "image/png": "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"
    }
   },
   "cell_type": "markdown",
   "id": "3c079a63",
   "metadata": {},
   "source": [
    "![image.png](attachment:image.png)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 67,
   "id": "8b471cbf",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>cafe_name</th>\n",
       "      <th>overview</th>\n",
       "      <th>concept</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>데우스</td>\n",
       "      <td>분위기도 좋고 커피, 케이크도 맛있어요 또 오고 싶어용 디저트 맛있어요 커피는 아쉬...</td>\n",
       "      <td>빵 넓은 홀</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>스타벅스 합정점</td>\n",
       "      <td>직원분들이 정말 친절하고 좋아요 커피와 음료가 맛있고 직원분들이 친절하십니다 합정역...</td>\n",
       "      <td>샌드위치 넓은 홀 주차</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>보몽드</td>\n",
       "      <td>카페가 엄청 넓고 인테리어가 독특해요! 야외 정원도 너무 예뻐요. 음료도 맛있네용 ...</td>\n",
       "      <td>케이크 넓은 홀 주차</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "  cafe_name                                           overview       concept\n",
       "0       데우스  분위기도 좋고 커피, 케이크도 맛있어요 또 오고 싶어용 디저트 맛있어요 커피는 아쉬...        빵 넓은 홀\n",
       "1  스타벅스 합정점  직원분들이 정말 친절하고 좋아요 커피와 음료가 맛있고 직원분들이 친절하십니다 합정역...  샌드위치 넓은 홀 주차\n",
       "2       보몽드  카페가 엄청 넓고 인테리어가 독특해요! 야외 정원도 너무 예뻐요. 음료도 맛있네용 ...   케이크 넓은 홀 주차"
      ]
     },
     "execution_count": 67,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "cafe_data"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "d86570c8",
   "metadata": {},
   "source": [
    "## 세 텍스트 필드들을 모아서 텍스트 유사도에 사용할 텍스트 필드 하나를 생성"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 68,
   "id": "1e4f8d66",
   "metadata": {},
   "outputs": [],
   "source": [
    "for f in ['cafe_name','overview','concept']: # 0, 1, 2 열\n",
    "  cafe_data[f] = cafe_data[f].fillna('') # 결측값을 ''로 변경해준다."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 69,
   "id": "9b682e80",
   "metadata": {},
   "outputs": [],
   "source": [
    "def combine_features(row): # 특징들 결합. 그러니까 이름, overview, concept들의 특징을 합치고 나서 비교과정을 진행한다는 것이다.\n",
    "    try:\n",
    "        return row['cafe_name']+\" \"+row['overview']+\" \"+row[\"concept\"] # 세 개의 필드(열)를 붙임\n",
    "    except:\n",
    "        print (\"Error:\", row) # 안될 시 Error 를 띄운다."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 70,
   "id": "56d733d5",
   "metadata": {},
   "outputs": [],
   "source": [
    "cafe_data[\"combined_features\"] = cafe_data.apply(combine_features,axis=1) \n",
    "# combine_features 함수를 적용하고자 하는 함수로 넣어준다.\n",
    "# 또한 axis=1을 통해 이 함수를 행으로 적용해준다.\n",
    "cafe_data = cafe_data.reset_index() \n",
    "# 매우 중요한 부분. 기존의 행 인덱스를 제거하고 인덱스를 데이터 열로 추가한다.\n",
    "# 인덱스를 보통의 자료열로 바꿔주는 것이다. 이 때 인덱스 열은 자료열의 가장 선두로 삽입된다.\n",
    "# 유사도 계산을 위해 이렇게 해주는 것으로 보인다."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 71,
   "id": "3424e45f",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "0    데우스 분위기도 좋고 커피, 케이크도 맛있어요 또 오고 싶어용 디저트 맛있어요 커피...\n",
       "1    스타벅스 합정점 직원분들이 정말 친절하고 좋아요 커피와 음료가 맛있고 직원분들이 친...\n",
       "2    보몽드 카페가 엄청 넓고 인테리어가 독특해요! 야외 정원도 너무 예뻐요. 음료도 맛...\n",
       "Name: combined_features, dtype: object"
      ]
     },
     "execution_count": 71,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "cafe_data[\"combined_features\"] # 선두에 인덱스를 확인할 수 있다. "
   ]
  },
  {
   "cell_type": "markdown",
   "id": "37542be0",
   "metadata": {},
   "source": [
    "## TF-IDF 기반 벡터 생성 후 코사인 유사도로 카페들간의 유사도 계산"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 72,
   "id": "a590408b",
   "metadata": {},
   "outputs": [],
   "source": [
    "from sklearn.feature_extraction.text import TfidfVectorizer # Tf-idf vectorizer import\n",
    "from sklearn.metrics.pairwise import cosine_similarity # cosine similarity import"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 73,
   "id": "9b1915a8",
   "metadata": {},
   "outputs": [],
   "source": [
    "tfidfvectorizer = TfidfVectorizer(analyzer='word', norm='l2') # 학습의 단위를 단어로 설정 + ㅣ2 정규화!"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 74,
   "id": "b68478e2",
   "metadata": {},
   "outputs": [],
   "source": [
    "tfidf_matrix = tfidfvectorizer.fit_transform(cafe_data[\"combined_features\"])\n",
    "# fit -> 데이터를 학습시키는 메서드\n",
    "# transform -> 학습시킨 것을 적용하는 메서드\n",
    "# fit_transform을 사용하는 것과 fit을 하고 transform을 하는거는 아주 약간의 미세한 성능 차이는 있지만 더 효율적임.\n",
    "# transform 까지 거쳐 행렬이 생성됨. "
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 75,
   "id": "e65a29a5",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "(3, 87)"
      ]
     },
     "execution_count": 75,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "tfidf_matrix.shape"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 76,
   "id": "f8aafd1c",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "array([[1.        , 0.06240017, 0.10099606],\n",
       "       [0.06240017, 1.        , 0.09106053],\n",
       "       [0.10099606, 0.09106053, 1.        ]])"
      ]
     },
     "execution_count": 76,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "cosine_sim = cosine_similarity(tfidf_matrix) # 생성된 행렬의 코사인 유사도를 계산함.\n",
    "cosine_sim # array"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 77,
   "id": "aa3f6316",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>0</th>\n",
       "      <th>1</th>\n",
       "      <th>2</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>1.000000</td>\n",
       "      <td>0.062400</td>\n",
       "      <td>0.100996</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>0.062400</td>\n",
       "      <td>1.000000</td>\n",
       "      <td>0.091061</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>0.100996</td>\n",
       "      <td>0.091061</td>\n",
       "      <td>1.000000</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "          0         1         2\n",
       "0  1.000000  0.062400  0.100996\n",
       "1  0.062400  1.000000  0.091061\n",
       "2  0.100996  0.091061  1.000000"
      ]
     },
     "execution_count": 77,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "df_cosine_sim = pd.DataFrame(data = cosine_sim) # array -> 데이터프레임\n",
    "df_cosine_sim.head(10)"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "161d4b26",
   "metadata": {},
   "source": [
    "## 아이템 기반 추천 함수 만들기"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 78,
   "id": "b47c9256",
   "metadata": {},
   "outputs": [],
   "source": [
    "def get_name_from_index(df, index): # 인덱스로부터 카페이름을 얻을 수 있게하는 함수\n",
    "    return df[df.index == index][\"cafe_name\"].values[0] # 인덱스가 파라미터로 입력되면, 그 인덱스에 해당하는 카페이름 추출\n",
    "\n",
    "def get_index_from_name(df, name): # 카페 이름으로 부터 인덱스를 얻을 수 있는 함수\n",
    "    return df[df.cafe_name == name][\"index\"].values[0] # 카페 이름이 파라미터로 입력되면, 그 이름에 해당하는 인덱스 추출"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 79,
   "id": "799fa583",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "array([1.        , 0.06240017, 0.10099606])"
      ]
     },
     "execution_count": 79,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "cosine_sim[0] # 0번째 인덱스의 카페와 0~9번째 인덱스의 카페들 간의 유사도"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 80,
   "id": "a9befbc7",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "(0, 1.0000000000000004)\n",
      "(1, 0.06240016800450972)\n",
      "(2, 0.10099606360613095)\n"
     ]
    }
   ],
   "source": [
    "for cs in enumerate(cosine_sim[0]):\n",
    "  print(cs) # (인덱스, 해당 인덱스의 카페와 0번 인덱스 카페와의 유사도)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 81,
   "id": "4fbca1be",
   "metadata": {},
   "outputs": [],
   "source": [
    "def reco_top_similar_cafes(cafe_name, n=3):\n",
    "  cafe_index = get_index_from_name(cafe_data, cafe_name) # 위에서 만든 get_index_from_name 함수를 따로 사용\n",
    "  similar_cafes =  enumerate(cosine_sim[cafe_index]) # cafe_index에 해당하는 행의 데이터를 읽어옴 (인덱스, 유사도값)\n",
    "  sorted_similar_cafes = sorted(similar_cafes, key=lambda x:x[1], reverse=True) # 유사도값을 내림차순으로 (x[1]만 쓰면 오름차순이지만, reverse=True 로 설정했기 때문에 내림차순이 됨)\n",
    "\n",
    "  ret_cafes = []\n",
    "  i = 0\n",
    "  for element in sorted_similar_cafes: # 유사도 값이 내림차순으로 정렬된 리스트를 맨 위부터 하나씩 찾는다\n",
    "    name = get_name_from_index(cafe_data, element[0]) \n",
    "    ret_cafes.append(name) # 카페 이름이 append됨.\n",
    "    i=i+1\n",
    "    if i >= n: \n",
    "      break # 요청된 숫자만큼 찾는다. 여기서는 3번.\n",
    "  return ret_cafes # 카페 이름들이 append 된 채 리턴이 된다. 밑에 예시를 참고하자. "
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 82,
   "id": "634f6e02",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "['데우스', '보몽드']\n"
     ]
    }
   ],
   "source": [
    "print(reco_top_similar_cafes('데우스', 2))"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "7c2e137f",
   "metadata": {},
   "outputs": [],
   "source": []
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.9.12"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}