야구장 Google 리뷰 분석

20160463 배원빈

참고

코드: MIT

데이터·보고서: CC BY-NC-SA 4.0

목차

1. 프로젝트 준비
2. 과정
3. 결과 및 통계
4. 결론

---

프로젝트 준비

🔍 분석 대상

국가	구장
🇰🇷 한국	사직구장
🇺🇸 미국	텍사스 글로브 라이프 파크
🇺🇸 미국	보스턴 펜웨이 파크

🛠️ 분석 방법

• Colab
  • 한–영 리뷰 토크나이즈 & 전처리
• Voyant Tools
  • 빈도·문맥 시각화
• 임베딩 벡터
  • Sentence-BERT로 문장 유사도 측정
• 언론 기사 크로스체크
  • 리뷰-미디어 간 여론 일치도 확인

❓ 핵심 질문

1. 평점이 높은/낮은 리뷰에서 반복되는 표현은 무엇인가?
2. 구글 리뷰와 대중매체 보도는 얼마나 비슷하거나 다른가?

---

과정

1. 데이터 수집
   • 각 구장의 Google 리뷰 크롤링 → 평점만 있는 글 제외, 200 문장 추출
2. 전처리
   • sent_tokenize 로 문장 분리
   • 불용어 제거·토큰화 (한글 & 영어)
3. 임베딩 & 유사도 분석
   • sentence-transformers/all-MiniLM-L6-v2 모델 사용
   • Cosine similarity 로 표현 간 거리 계산
4. 시각화
   • Voyant 워드클라우드 & KWIC
   • Matplotlib 막대그래프
5. 교차 검증
   • 샘플 문장 수작업 검토 → 임베딩 결과 신뢰도 확인

Why Voyant + Colab?
두 가지 툴을 병행해 빈도 기반·의미 기반 시각을 모두 확보하기 위함입니다.

---

결과 및 통계

1) 사직구장

평점	핵심 키워드	인사이트
★★★★★	장소, 응원	팬 경험·응원 문화에 높은 만족
★☆☆☆☆	낙후, 위생	노후 시설·청결 불만

2) 텍사스 글로브 라이프 파크

평점	핵심 키워드	인사이트
★★★★★	경관, 좌석	시야 및 관람 환경 호평
★☆☆☆☆	음식, 티켓 가격, 시설	F&B·가격·편의성 불만

주의사항

• good → 대부분 not good 구문에서 등장 → 분석 제외
• like → 비교 접속사(“~와 같은”)가 많아 제거

3) 보스턴 펜웨이 파크

평점	핵심 키워드	인사이트
★★★★★	역사, 가이드, 경기장	전통·투어 프로그램 호평
★☆☆☆☆	팬/스태프, 시설, 불편	관람객 매너·노후 시설 불만

🧩 임베딩 유사도 검증

• 추출 키워드 ↔ 유사 표현 비교 시 의미 일치율 높음 → 분석 신뢰도 확보
• 영어 리뷰는 직접적 불만 대신 완곡 표현 경향

📰 언론 기사 비교

구장	기사 내용	리뷰와의 상관성
사직	시설 노후·개선 필요	일치
텍사스	2024-06-02 외부 음식 반입 허용	음식·가격 불만 해소 시도
펜웨이	‘그린 몬스터’·정치적 현수막 논란	벽·팬 갈등에 대한 호불호 반영

---

결론

1. 평점별 어휘 편향이 뚜렷 — 높은 평점에는 긍정어, 낮은 평점에는 부정어가 집중됨.
2. 임베딩 벡터 분석이 실제 문맥과 높은 상관성을 보여 의미 기반 통계의 유효성을 확인.
3. 구글 리뷰 ↔ 언론 보도 키워드·톤이 대체로 일치 → 리뷰 데이터는 여론 지표로 활용 가능.
4. 야구장 평가는 시설뿐 아니라 경험 가치(가족·연인과의 추억 등) 가 크게 작용함.

---

데이터 전처리 & 임베딩 예시

from pathlib import Path
from nltk.tokenize import sent_tokenize
from sentence_transformers import SentenceTransformer, util

# 1️⃣ 리뷰 로드 (파일 → 리스트)
#    └─ data/
#        ├─ sajik.txt
#        ├─ globe_life.txt
#        └─ fenway.txt
reviews_dir = Path("data")
reviews: list[str] = []

for txt in reviews_dir.glob("*.txt"):
    reviews += (txt.read_text(encoding="utf-8").splitlines())

# 2️⃣ 문장 단위로 분리
sentences = [
    sent.strip()
    for review in reviews
    for sent in sent_tokenize(review)
    if sent.strip()
]

# 3️⃣ 문장 임베딩 & 유사도 측정
model = SentenceTransformer("all-MiniLM-L6-v2")
embeddings = model.encode(sentences, convert_to_tensor=True)

sim = util.cos_sim(embeddings[0], embeddings[1]).item()
print(f"문장 0–1 유사도: {sim:.4f}")