Create source/keyword_classifier

source/keyword_classifier

@@ -0,0 +1,105 @@
+"""
+    keyword_classifier.py
+
+    멀티레이블 키워드 추출 모듈
+
+    함수:
+      - load_patterns: 사전 정의된 키워드 리스트를 패턴 딕셔너리로 변환
+      - classify_keywords_df: DataFrame에 대해 각 키워드 패턴에 맞춰 0/1 레이블 컬럼 추가
+
+    CLI:
+      --input       : 입력 CSV 경로 (ID, divided_comment, sentiment_pred 포함)
+      --output      : 출력 CSV 경로
+      --text-col    : 텍스트 컬럼명 (기본: 'divided_comment')
+      --preview     : True일 때 샘플 20개 표출
+
+    사용 예시:
+      python keyword_classifier.py \
+        --input data/step3_sentiment.csv \
+        --output data/step4_keywords.csv \
+        --preview
+"""
+
+import argparse
+import pandas as pd
+import re
+from ace_tools_open import display_dataframe_to_user
+
+
+def load_patterns() -> dict:
+    """
+    사전 정의된 키워드 리스트를 regex 패턴 dict로 컴파일하여 반환
+    """
+    keyword_dict = {
+        '맛': [
+            '맛있','달달','단맛','짠맛','맛임','감칠맛','매워','짠','설탕',
+            '단짠','밍밍','매콤','상큼','비릿','인공적','당충전', '느끼'
+        ],
+        '식감': [
+            '식감','쫀득','쫀득함','바삭','퍽퍽','부드러움','쫀쫀함','촉촉',
+            '질겨','씹싸름','빠삭','겉바속촉','꾸덕','미끌','속쫀','뻑뻑','사르르'
+        ],
+        '기타': [
+            '포장','디자인','스타일','편의점','사진','인스타','브랜드','컬러',
+            '비주','비주얼','선물','리뉴얼','CU','GS','세븐','세븐일레븐',
+            '지에스','씨유','이마트','노브랜드','이마트24','배민','B마트',
+            '비마트','팝업','미니스톱'
+        ],
+        '가격': [
+            '가격','가성','할인','가성비','부담','대비','싸구려','가격에비해',
+            '비싸여','넘비싸','이딴게','가심비','이가격','합리적'
+        ],
+        '주관적평가': [
+            '감동','행복','만족','대박','최고','실망','아쉽','아쉬운','추천',
+            '진심','감탄','존맛','비추','느낌','퀄리티','재구매','강추',
+            '굿굿','중독성','개존맛'
+        ]
+    }
+    # regex 컴파일
+    patterns = {}
+    for label, kw_list in keyword_dict.items():
+        # OR 결합, ignore case
+        regex = re.compile('|'.join(map(re.escape, kw_list)), flags=re.IGNORECASE)
+        patterns[label] = regex
+    return patterns
+
+
+def classify_keywords_df(
+    df: pd.DataFrame,
+    text_col: str = 'divided_comment'
+) -> pd.DataFrame:
+    """
+    1) text_col 기준으로 패턴 매칭해 0/1 컬럼 추가
+    2) 아무 키워드에도 매칭되지 않은(모든 컬럼 0) 행은 삭제
+    """
+    patterns = load_patterns()
+    label_cols = list(patterns.keys())
+
+    # 1) 각 패턴별 매칭 여부 컬럼 생성
+    for label, pat in patterns.items():
+        df[label] = df[text_col].str.contains(pat).astype(int)
+
+    # 2) 모든 키워드 컬럼이 0인 행 DROP
+    mask = df[label_cols].sum(axis=1) > 0
+    df_filtered = df[mask].reset_index(drop=True)
+
+    return df_filtered
+
+
+if __name__ == '__main__':
+    parser = argparse.ArgumentParser(description='키워드 기반 멀티레이블 분류 모듈')
+    parser.add_argument('--input',   '-i', required=True, help='입력 CSV 파일 경로')
+    parser.add_argument('--output',  '-o', required=True, help='출력 CSV 파일 경로')
+    parser.add_argument('--text-col', default='divided_comment', help='텍스트 컬럼명')
+    parser.add_argument('--preview', action='store_true', help='샘플 20개 출력')
+    args = parser.parse_args()
+
+    df = pd.read_csv(args.input, encoding='utf-8-sig')
+    df_out = classify_keywords_df(df, text_col=args.text_col)
+
+    if args.preview:
+        cols = ['ID', args.text_col, 'sentiment'] + list(load_patterns().keys())
+        display_dataframe_to_user('키워드 분류 예시', df_out[cols].head(20))
+
+    df_out.to_csv(args.output, index=False, encoding='utf-8-sig')
+    print(f"[KEYWORD] 저장 완료: {args.output} | 레이블: {', '.join(load_patterns().keys())}")