ko-chat-checker

본 연구는 경희대학교 데이터분석캡스톤디자인 수업에서 진행되었습니다.

Overview

Needs

일상적인 채팅에서 우리는 구어성이 두드러진 언어 사용을 흔히 볼 수 있습니다. 예로, 밥은 먹었어?라는 문장을 채팅에서 밥은 머거써? 또는 밥은 먹어써? 등으로 표기하는 것을 들 수 있습니다. 이런 표기법은 오탈자가 아니라 사용자의 의도적 표기법이라는 특이점이 있습니다. 다양한 자동 문법 교정 프로그램에서도 이는 따로 교정되지 않고 있는데, 이러한 언어 습관이 한국어 채팅 데이터 분석을 어렵게 한다고 판단했습니다.

Goals

본 모델은 의도적인 표기 변형이 이루어진 문장을 표준어로 교정하는 모델입니다. 채팅체를 문법에 맞는 문장으로 교정합니다. 채팅 데이터 분석 전처리 과정에 활용되길 기대합니다.

띄어쓰기 framework는 chatspace를 사용합니다. 이 framework를 통해 교정하지 못한 띄어쓰기 오류, 신조어/축약어 등의 문법 오류는 교정하지 않습니다.

Example

머거써?는 먹었어?로, 넹, 넵, 넴은 네로, 조아는 좋아로 교정합니다.

Schedule

Plan

March
- 주제 선정 ⭕️
April
- 표기 변형 케이스 조사 ⭕️
- 연구에 사용할 프레임워크 및 데이터셋 조사 ⭕️
- 데이터 수집 및 EDA ⭕️
- 데이터 전처리 ⭕️
- 문법 오류가 있는 데이터와 오류가 없는 데이터 분리 🔜
- 데이터 라벨링 작업 수행 및 5:5로 분리
May
- 음운 분리 작업 수행
- K-fold 도입을 위한 베이스 구축
- CNN 기반 모델
- RNN(LSTM) 기반 모델 구축
- 모델 성능 비교 및 최종 모델 채택
June
- 최종 모델 성능 평가 및 보완
- 파이썬 모듈 구축
- 자동 띄어쓰기 및 단어 분리 코드 추가
- 결과 보고서 작성
- Github Repo 배포

Progress Report

March	April	May	June
Week3	Week4	Week8	Week12
	Week5	Week9	Week13
	Week6	Week10	Week14
	Week7	Week11	Week15

Detail Usage

chat_preprocessing

전처리 과정에 쓰이는 코드 set입니다.

chat_data

preprocessing이 끝난 카카오톡 데이터입니다.

Developers

Seoyoung Hong from Kyunghee Univ.
Midan Shim from Kyunghee Univ.

midannii / ko-chat-checker