📊 고객 피드백 분석 (Streamlit)

경량화된 고객 피드백 감성 분석 웹 애플리케이션입니다. 한국어에 최적화된 감성 분석 알고리즘을 사용하여 빠르고 정확하게 텍스트 데이터를 분석합니다.

✨ 주요 기능

• 🔍 감성 분석: 한국어에 최적화된 감성 분석 알고리즘
• 📈 키워드 추출: TF-IDF 기반 상위 키워드 분석
• 🎯 데이터 필터링: 날짜 범위 및 카테고리별 필터링
• 📊 시각화: 감성 분포 차트 및 키워드 분석
• 💾 결과 다운로드: 분석 결과 CSV 파일 저장
• ⚡ 경량화: Streamlit Cloud 배포 최적화

🚀 로컬 실행 방법

1. 저장소 클론

git clone <repository-url>
cd job_skill_project

2. 가상환경 생성 및 활성화

python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate

3. 의존성 설치

pip install -r requirements.txt

4. 앱 실행

streamlit run app.py

5. 데이터 준비

• 프로젝트 폴더에 @feedback-data.csv 파일을 두거나
• 웹 인터페이스에서 CSV 파일을 업로드

☁️ Streamlit Cloud 배포

1. GitHub에 코드 업로드

1. GitHub 저장소 생성
2. 코드 업로드 (app.py, requirements.txt, README.md)

2. Streamlit Cloud에서 배포

1. Streamlit Cloud 접속
2. "New app" 클릭
3. GitHub 저장소 연결
4. 메인 파일 경로: app.py
5. "Deploy" 클릭

3. 배포 후 설정

• 앱이 자동으로 빌드되고 배포됩니다
• URL이 생성되어 공유 가능합니다
• 데이터는 웹 인터페이스에서 업로드하여 사용

📋 데이터 형식

CSV 파일은 다음 컬럼을 포함해야 합니다:

• 텍스트 컬럼: 분석할 텍스트 데이터 (필수)
• 날짜 컬럼: 날짜 정보 (선택사항)
• 카테고리 컬럼: 제품군/카테고리 정보 (선택사항)

🛠️ 기술 스택

• Frontend: Streamlit
• Backend: Python
• 감성 분석: 한국어 감정 사전 기반 분석
• 텍스트 처리: scikit-learn (TF-IDF)
• 데이터 처리: pandas

📦 의존성

streamlit==1.37.1
pandas==2.2.2
scikit-learn==1.5.1
vaderSentiment==3.3.2

🔧 최적화 사항

• 경량화: transformers, torch 등 무거운 의존성 제거
• 한국어 최적화: 한국어 감정 사전 기반 정확한 감성 분석
• 캐싱: @st.cache_data, @st.cache_resource로 성능 최적화
• 사용자 경험: 직관적인 UI/UX 개선
• 배포 최적화: Streamlit Cloud 호환성 확보

📞 지원

문제가 발생하거나 개선 사항이 있으시면 이슈를 등록해 주세요.