NLP

# Hugging Face Transformers를 사용한 NLP 작업 예제
# pip install transformers torch

from transformers import pipeline

# 1. 감정 분석 (Sentiment Analysis)
sentiment_analyzer = pipeline("sentiment-analysis")
result = sentiment_analyzer("이 제품 정말 좋아요! 배송도 빠르고 품질도 최고입니다.")
print(f"감정 분석: {result}")
# [{'label': 'POSITIVE', 'score': 0.9998}]

# 2. 개체명 인식 (Named Entity Recognition)
ner = pipeline("ner", grouped_entities=True)
entities = ner("삼성전자 이재용 회장이 서울에서 기자회견을 열었다.")
print(f"개체명 인식: {entities}")

# 3. 텍스트 요약
summarizer = pipeline("summarization", model="facebook/bart-large-cnn")
article = """
인공지능 기술이 빠르게 발전하면서 다양한 산업에 혁신을 가져오고 있다.
특히 자연어 처리 분야에서 대규모 언어 모델의 등장으로
번역, 요약, 질의응답 등의 작업이 인간 수준에 근접하고 있다.
기업들은 이러한 기술을 활용하여 고객 서비스 자동화,
문서 처리 효율화 등 다양한 분야에서 비용 절감과 생산성 향상을 달성하고 있다.
"""
summary = summarizer(article, max_length=50, min_length=20)
print(f"요약: {summary[0]['summary_text']}")

# 4. 한국어 형태소 분석 (Okt 사용)
# pip install konlpy
from konlpy.tag import Okt
okt = Okt()
text = "자연어 처리는 정말 재미있는 분야입니다."
print(f"형태소 분석: {okt.morphs(text)}")
print(f"품사 태깅: {okt.pos(text)}")