워드 클라우드 생성기

워드 클라우드 생성기 소개

워드 클라우드는 글에 자주 나온 단어일수록 크게 그린 그림입니다. 이 도구는 텍스트(또는 txt, pdf, docx 같은 파일에서 뽑은 텍스트)를 단어로 쪼개고, 횟수를 센 뒤, 가장 많이 나온 단어부터 화면 가운데에 놓고 나선을 따라 바깥으로 빈자리를 찾아 배치합니다.

보기에는 요약처럼 보이지만, 워드 클라우드가 보여 주는 것은 「단어 형태가 몇 번 나왔나」뿐입니다. 아래에서는 도구가 단어를 어떻게 세고 배치하는지, 그리고 그 과정 때문에 한국어·일본어에서 어떤 결과가 나오는지 설명합니다.

단어를 세는 방식: 조사와 띄어쓰기 없는 글

도구는 브라우저의 Intl.Segmenter로 글을 단어로 나눕니다. 영어·스페인어·한국어처럼 띄어 쓰는 글은 공백과 문장부호가 경계가 되고, 띄어 쓰지 않는 일본어·중국어는 브라우저에 들어 있는 사전으로 단어를 가릅니다. 「吾輩は猫である。名前はまだ無い。」는 吾輩·は·猫·で·ある·名前·は·まだ·無い로 나뉘고, 조사 は와 조동사는 불용어로 빠집니다.

한국어는 명사 뒤에 조사가 붙어 한 덩어리가 되므로 그대로 세면 「데이터를」, 「데이터가」, 「데이터는」이 모두 다른 단어가 됩니다. 기본으로 켜진 「한국어 조사 떼기」는 을·를·은·는·에서·으로·까지 같은 흔한 조사를 떼어 이들을 「데이터」 하나로 합칩니다. 형태소 분석이 아니라 규칙이라서, 받침에 맞지 않는 조사(받침 뒤의 「는」 등)와 한 음절 어간(책을, 하는)은 그대로 둡니다. 이·가·의·도·만·로는 고양이·전문가·민주주의·해상도·고속도로처럼 명사 끝 글자와 겹치므로, 같은 어간이 글에 따로 나오거나 다른 조사와 함께 나올 때만 뗍니다. 「분석하면」, 「보인다」 같은 용언의 활용형은 합치지 않습니다.

불용어: 무엇을 빼는가

불용어 제거를 켜면 the, of, and 같은 영어 기능어, 「그리고」, 「하지만」, 「것」, 「수」, 「등」 같은 한국어 초고빈도 단어, el·la·de·que 같은 스페인어 관사·전치사, の·は·を·です·ます 같은 일본어 조사·조동사를 뺍니다. 영어 단어와 철자가 같은 스페인어 son·era·sin은 목록에서 뺐습니다. 영어는 대소문자를 구분하지 않고 셉니다(Data와 data는 같은 단어).

불용어 목록은 목적에 따라 달라야 합니다. 설문 응답에서 「좋다」, 「없다」가 가장 크게 나오면 정보가 없지만, 제품 리뷰 비교에서는 그것이 핵심일 수도 있습니다. 회사 이름이나 주제어 자체(예: 「고객」 설문에서 「고객」)는 어디에나 나오므로 빼야 나머지 차이가 보입니다. 이런 단어는 「제외할 단어」 칸에 쉼표나 공백으로 구분해 적으면 됩니다. 이 칸은 불용어 제거를 꺼도 적용됩니다.

크기가 중요도를 뜻하지 않는 이유

도구는 단어의 빈도를 최소 글자 크기와 최대 글자 크기 사이에 직선으로 대응시킵니다. 그런데 사람이 느끼는 것은 글자 높이가 아니라 차지하는 면적이고, 면적은 글자 크기의 제곱에 비례하며 단어 길이에도 비례합니다. 글자 크기가 두 배인 단어는 면적이 네 배가 되고, 같은 빈도라도 「커뮤니케이션」은 「팀」보다 훨씬 커 보입니다.

또 빈도는 맥락을 잃습니다. 「불만 없음」과 「불만 많음」은 둘 다 「불만」을 키웁니다. 뉴욕타임스 개발자였던 제이컵 해리스는 2011년 글 「Word clouds considered harmful」에서 워드 클라우드가 가장 조잡한 수준의 텍스트 분석만 지원하고 맥락 해석을 독자에게 떠넘긴다고 비판했습니다. 워드 클라우드는 발표 자료의 표지나 첫인상용으로 쓰고, 결론은 빈도표나 실제 문장 인용으로 뒷받침하는 것이 안전합니다.

배치 알고리즘

배치는 d3-cloud(Jason Davies)와 같은 계열의 나선 탐색입니다. 가장 빈도가 높은 단어를 먼저 가운데에 놓고, 다음 단어는 가운데에서 시작해 나선을 따라 조금씩 이동하며 이미 놓인 단어와 겹치지 않는 첫 자리를 찾습니다. 사각형 모양은 프레임 비율에 맞춘 사각 나선, 원형 모양은 아르키메데스 나선을 씁니다. 다섯 번째 단어마다 세로로 돌려 보고, 자리가 없으면 반대 방향으로 한 번 더 시도합니다.

겹침 검사는 글자 모양이 아니라 단어를 감싸는 직사각형으로 합니다. 그래서 글자 사이의 빈틈에 작은 단어가 파고들지 않고, 전문 도구보다 약간 성기게 보입니다. 끝까지 자리를 못 찾은 단어는 조용히 빠지므로, 최대 단어 수를 늘렸는데 화면의 단어 수가 그대로라면 공간이 부족한 것입니다. 「화면 채우기」는 전체 글자 배율을 여러 번 바꿔 가며 박스 면적 합이 프레임의 약 70%가 되고 상위 단어가 빠지지 않는 배율을 고릅니다.

예시

사용 방법

1. 텍스트를 붙여 넣거나 txt, md, csv, pdf, docx 등의 파일을 올립니다.
2. 최대 단어 수, 모양(사각·원), 세로 배치 허용, 불용어 제거, 한국어 조사 떼기, 제외할 단어를 정합니다.
3. 생성한 뒤 이미지로 저장합니다. 단어 위치는 실행할 때마다 조금씩 다를 수 있습니다.

자주 묻는 질문