Youtube Popular Chart Analysis

• 작성자 : 박은정

• 작성날짜 : 2021/10/21

• GITHUB : https://github.com/eunjeongpak/youtube_analysis_project

• LICENSE: GNU General Public License v3.0

• 프로젝트 주제

  • 유튜브 API를 활용한 유튜브 인기 동영상 데이터 분석 및 인기 키워드가 포함된 영상을 추출하여 해당 영상들의 댓글을 7가지의 감정으로 분류하는 모델을 활용한 감성 분석

• 프로젝트 목적

  • Youtube API로부터 유튜브 인기 동영상 데이터 등을 불러와 데이터 분석(키워드 분석 및 감성 분석) 후 웹페이지를 만들어 배포
    • 누구에게나 실시간 유튜브 인기 동영상 혹은 유튜브 채널의 분석 결과를 제공해주는 웹페이지를 만들어 누구나 사용할 수 있는 웹페이지를 구축하는 것
  • 현재는 감성 분석까지만 진행한 상황으로, 앞으로 웹페이지 배포할 예정

• 프로젝트에 사용한 데이터

  1. Youtube API를 활용해 가져온 인기 동영상 데이터

     • 출처: https://developers.google.com/youtube/v3
     • 설명: 유튜브 API를 사용하여 한국에서의 인기 동영상(mostPopular)을 매일 TOP 20개씩 18:00PM 기준으로 추출하여 Postgresql 데이터베이스에 저장해 스프레드시트로 업로드

  2. 한국어 단발성 대화 데이터셋

     • 출처: https://aihub.or.kr/opendata/keti-data/recognition-laguage/KETI-02-009
     • 설명
       • 해당 데이터는 SNS 글 및 온라인 댓글에 대한 웹 크롤링을 실시하여 총 38,594 문장을 선정하여 7개 감정(기쁨, 슬픔, 놀람, 분노, 공포, 혐오, 중립) 레이블링 수행한 데이터
       • 해당 프로젝트에서는 해당 데이터를 사전학습된 KoBERT 모델에 Finetuning하는 용도로 사용함

• 프로젝트 분석 방법 및 내용

  • pandas 활용해 인기 동영상에 대한 기본적인 시각화
    • 현재 어떤 카테고리 혹은 어떤 채널에 속한 유튜브 영상이 인기있는지 등 기본적인 분석
  • Wordcloud를 활용한 키워드 분석
    • 어떠한 키워드가 가장 많이 등장하는지(인기있는지) 분석
  • KoBERT 모델을 활용한 댓글 감성 분석
    • 인기 키워드에 해당하는 동영상 댓글을 추출해 댓글에 나타난 사람들의 감정을 분류할 수 있는 감성 분석 예측 모델 생성 후 예측

• 프로젝트 목차

  1. 라이브러리 설치 및 데이터 업로드
  2. 데이터 분석 및 시각화
  3. 워드클라우드를 활용한 키워드 분석
  4. KoBERT 모델을 활용한 댓글 감성 분석
  5. 결과 및 한계점

• 프로젝트 언어: python

• KoBERT 모델 참고 자료: https://www.dinolabs.ai/m/271?category=1203530