gemini

Gemini 텍스트 마이닝 프롬프트 - 감정분석, 키워드 추출, 토픽 모델링

Gemini로 텍스트 마이닝, 감정분석, 키워드 추출, 토픽 모델링을 수행하는 프롬프트입니다.

수정 2026년 9월 6일

#텍스트마이닝 #감정분석 #키워드추출 #토픽모델링 #NER

💡

프롬프트 사용 방법

1단계: 아래 입력 칸에 각 항목에 맞는 정보를 적어주세요
2단계: 입력하면 아래 프롬프트가 자동으로 업데이트됩니다
3단계: '프롬프트 복사' 버튼을 눌러 ChatGPT/Claude에 붙여넣으세요

💡 입력 칸의 회색 글씨는 예시입니다. 참고해서 작성해보세요!

📝 필요한 정보를 입력해주세요 (총 6개)

데이터 유형 (데이터_유형)

데이터 유형에 대한 값을 입력하세요

플랫폼 (플랫폼)

플랫폼에 대한 값을 입력하세요

개수 (개수)

개수에 대한 값을 입력하세요

프로그래밍 언어 (언어)

사용 언어

텍스트 데이터 (텍스트_데이터)

텍스트 데이터에 대한 값을 입력하세요

키워드 수 (키워드_수)

키워드 수에 대한 값을 입력하세요

📋 완성된 프롬프트 (복사해서 사용하세요)

텍스트 마이닝 분석을 수행하세요.


## 분석 대상
- 데이터 유형: {{데이터_유형}} (댓글/리뷰/뉴스/문서)
- 플랫폼: {{플랫폼}}
- 총 데이터 수: {{개수}}
- 언어: {{언어}}

## 텍스트 데이터
{{텍스트_데이터}}

## 분석 요청
1. 감정분석 (긍정/부정/중립, 감정 점수)
2. 키워드 추출 (상위 {{키워드_수}}개)
3. 토픽 모델링 (3-7개 토픽)
4. 개체명 인식 (NER)
5. 핵심 인사이트 및 권장사항

입력하지 않은 항목은 원래 표시를 유지합니다.

간단 버전

텍스트 데이터를 분석해주세요.
데이터: {{텍스트_데이터}}
감정분석, 주요 키워드 5개, 핵심 인사이트 3가지를 제시해주세요.

입력값 가이드

입력 항목	한국어 설명	placeholder	예시
데이터 유형	분석할 텍스트 종류를 선택하세요	예: 소셜미디어 댓글, 고객 리뷰, 뉴스 기사	`소셜미디어 댓글`, `고객 리뷰`, `뉴스 기사`
플랫폼	데이터가 수집된 곳을 입력하세요	예: 인스타그램, 쿠팡, 네이버 뉴스	`인스타그램`, `쿠팡`, `네이버 뉴스`
데이터 개수	분석할 텍스트 개수를 입력하세요	예: 1,000개, 5,000개	`1,000개`, `5,000개`, `10,000개`
언어	주요 언어를 선택하세요	예: 한국어, 영어, 다국어	`한국어`, `영어`, `다국어`
텍스트 데이터	분석할 텍스트를 입력하세요	예: CSV, 텍스트 붙여넣기	`CSV`, `텍스트 붙여넣기`
키워드 수	추출할 키워드 수를 입력하세요	예: 10개, 20개	`10개`, `20개`, `30개`

인풋 필드

[데이터 유형]
▼ 드롭다운 선택
옵션: 소셜미디어 댓글, 고객 리뷰, 뉴스 기사, 설문 응답, 이메일, 챗봇 로그
placeholder: "예: 소셜미디어 댓글, 고객 리뷰, 뉴스 기사"
설명: 분석할 텍스트 종류를 선택하세요

[플랫폼]
▼ 텍스트 입력
placeholder: "예: 인스타그램, 쿠팡, 네이버 뉴스"
설명: 데이터가 수집된 곳을 입력하세요

[데이터 개수]
▼ 텍스트 입력
placeholder: "예: 1,000개, 5,000개"
설명: 분석할 텍스트 개수를 입력하세요

[언어]
▼ 드롭다운 선택
옵션: 한국어, 영어, 일본어, 중국어, 다국어
placeholder: "예: 한국어, 영어, 다국어"
설명: 주요 언어를 선택하세요

[텍스트 데이터]
▼ 텍스트 영역 입력 또는 파일 업로드
placeholder: "예: CSV, 텍스트 붙여넣기"
설명: 분석할 텍스트를 입력하세요 (CSV 파일 업로드 가능)

[키워드 수]
▼ 텍스트 입력
placeholder: "예: 10개, 20개"
설명: 추출할 키워드 수를 입력하세요

분석 유형별 템플릿

소셜미디어 감정분석

소셜미디어 댓글 감정분석을 해주세요.
플랫폼: {{플랫폼}}, 데이터: {{텍스트_데이터}}
감정 분포, 일자별 추이, 위기 댓글을 분석해주세요.

고객 리뷰 분석

고객 리뷰를 분석해주세요.
제품: {{제품}}, 데이터: {{텍스트_데이터}}
만족/불만 요인, 개선사항을 도출해주세요.

핵심 지표

감정분석 기준

감정	점수 범위	해석
긍정	+0.3 ~ +1.0	만족, 추천
중립	-0.3 ~ +0.3	정보성, 사실
부정	-1.0 ~ -0.3	불만, 비판

키워드 분석 방법

방법	설명	용도
빈도수	단어 등장 횟수	기본 키워드
TF-IDF	중요도 가중치	핵심 키워드
N-gram	연속 단어 패턴	구절 분석

Python 라이브러리

라이브러리	용도	설치
KoNLPy	한국어 형태소 분석	`pip install konlpy`
scikit-learn	벡터화, ML	`pip install scikit-learn`
gensim	토픽 모델링	`pip install gensim`

주의사항

주의점	설명
개인정보	텍스트에 개인정보 포함 시 마스킹 필수
전처리	불용어 제거, 형태소 분석 선행
한계	AI 감정분석 정확도 ~80-90%