Kiwi는 빠른 속도와 범용적인 성능을 지향하는 한국어 형태소 분석기 라이브러리입니다. 한국어 자연어처리에 관심 있는 사람이면 누구나 쉽게 사용할 수 있도록 오픈 소스로 공개 중이며, C++로 구현된 코어 라이브러리를 래핑하여 다양한 프로그래밍 언어에 사용할 수 있도록 준비 중입니다.
형태소 분석은 세종 품사 태그 체계를 기반으로 하고 있으며 모델 학습에는 세종계획 말뭉치와 모두의 말뭉치를 사용하고 있습니다. 문어 텍스트의 경우 약 94% 정도의 정확도로 한국어 문장의 형태소를 분석해 낼 수 있습니다.
또한 라이브러리 차원에서 멀티스레딩을 지원하기 때문에 대량의 텍스트를 분석해야할 경우 멀티코어를 활용하여 빠른 분석이 가능합니다.
아직 부족한 부분이 많기에 개발자분들의 많은 관심과 기여 부탁드립니다.
https://github.com/bab2min/Kiwi/releases 에서 Windows, Linux, macOS 버전으로 컴파일된 Library 파일과 모델 파일을 다운로드 받을 수 있습니다.
Visual Studio 2019 이상을 사용하여 Kiwi.sln
파일을 실행하여 컴파일할 수 있습니다.
이 레포지토리를 clone한 뒤 cmake>=3.9를 사용하여 컴파일합니다.
$ git clone https://github.com/bab2min/Kiwi
$ cd Kiwi
$ git submodule sync
$ git submodule update --init --recursive
$ mkdir build && cd build
$ cmake -DCMAKE_BUILD_TYPE=Release ../
$ make
Centos5와 같이 gcc 4.8까지만 지원하는 환경에서는 googletest의 버전을 1.8.x로 낮춰야 컴파일 가능합니다.
$ git clone https://github.com/bab2min/Kiwi
$ cd Kiwi
$ git submodule sync
$ git submodule update --init --recursive
$ cd third_party/googletest && git checkout v1.8.x && cd ../../
$ mkdir build && cd build
$ cmake -DCMAKE_BUILD_TYPE=Release ../
$ make
설치가 잘 됐는지 확인하기 위해서는 kiwi-evaluator
를 실행해봅니다.
$ ./kiwi-evaluator --model ../ModelGenerator ../eval_data/web.txt ../eval_data/written.txt
Loading Time : 1198.05 ms
Mem Usage : 158.539 MB
Test file: ../eval_data/web.txt
0.822854, 0.804857
Total (96 lines) Time : 105.274 ms
Time per Line : 1.0966 ms
================
Test file: ../eval_data/written.txt
0.946757, 0.943904
Total (23 lines) Time : 34.2189 ms
Time per Line : 1.48778 ms
================
include/kiwi/capi.h 를 참조하세요.
https://github.com/bab2min/Kiwi/releases 에서 Windows, Linux, macOS 버전으로 컴파일된 Library 파일과 모델 파일을 다운로드 받을 수 있습니다.
https://github.com/bab2min/kiwi-gui
또한 Python3용 API인 Kiwipiepy가 제공됩니다. 이에 대해서는 https://github.com/bab2min/kiwipiepy 를 참조하시길 바랍니다.
mrchypark님께서 작업해주신 R언어용 wrapper인 Elbird가 있습니다.
Kiwi는 C# 기반의 GUI 형태로도 제공됩니다. 형태소 분석기는 사용해야하지만 별도의 프로그래밍 지식이 없는 경우 이 프로그램을 사용하시면 됩니다. 다음 프로그램은 Windows에서만 구동 가능합니다. https://github.com/bab2min/kiwi-gui 에서 다운받을 수 있습니다.
-
v0.10
- 소스 코드 리팩토링. 인터페이스를
kiwi::KiwiBuilder
(분석기 사전을 관리)와kiwi::Kiwi
(실제 형태소 분석을 수행)로 분할 - CMake 적용
- 언어 모델 엔진 재구현. 메모리 & 속도 최적화. 모델 파일 크기 최적화
- Linux 환경에서 간헐적으로 발생하는 Segmentation Fault 해결
- 소스 코드 리팩토링. 인터페이스를
-
v0.9
default.dict
에 포함된 활용형 단어 때문에 발생하는 오분석 수정- custom allocator에서 발생하는 멀티스레딩 메모리 누수 해결
- mimalloc과 연동가능하도록 옵션 추가 (-DUSE_MIMALLOC)
- 형태소 탐색 시 조사/어미의 결합조건을 미리 고려하도록 변경, 속도 개선
- 일부 명사(
전랑
처럼 받침 + 랑으로 끝나는 미등재 명사) 입력시 분석이 실패하는 버그 수정 - 공백문자만 포함된 문자열 입력시 분석결과가
/UN
로 잘못나오는 문제 수정
-
v0.8
- URL, 이메일, 해시태그, 멘션 검출 추가
- 치(하지), 컨대(하건대), 토록(하도록), 케(하게) 축약형이 포함된 동사 활용형 분석 개선
- 사용자 사전에 알파벳이나 숫자, 특수 기호가 포함시 버그 수정
- 특정 상황에서 결합조건이 무시되던 문제를 해결
-
v0.7
- 사전 로딩 속도 개선
- 이형태 통합 유무 옵션 추가
- 분석 속도 향상
-
v0.6
- 검색 알고리즘 최적화로 인한 속도 향상 (분석 속도: 0.33MB/s)
- 전반적인 정확도 상승 (92%~96%까지)
-
v0.5
- 언어 모형 개선(Kneser-Ney 3-gram LM)
- 전반적인 정확도 상승 (최소 89%에서 94%까지)
- 코퍼스에서 미등록 단어 추출 기능 추가
- 멀티스레딩 지원
-
v0.4
- 알고리즘 개선
- 실행속도 약 101% 향상 (분석 속도: 0.28MB/s)
-
v0.3
- 알고리즘 및 메모리 관리 최적화
- 실행속도 약 86% 향상 (분석 속도: 0.14MB/s)
-
v0.2
- 정확도 85%까지 향상.
- 상호정보량 맵을 이용하여 분석 모호성 감소
- 서술격 조사 생략 추적 가능해짐
- (분석 속도: 0.08MB/s)
-
v0.1
- 첫 릴리즈. 약 80% 정확도
세종 품사 태그를 기초로 하되, 일부 품사 태그를 추가/수정하여 사용하고 있습니다.
대분류 | 태그 | 설명 |
---|---|---|
체언(N) | NNG | 일반 명사 |
NNP | 고유 명사 | |
NNB | 의존 명사 | |
NR | 수사 | |
NP | 대명사 | |
용언(V) | VV | 동사 |
VA | 형용사 | |
VX | 보조 용언 | |
VCP | 긍정 지시사(이다) | |
VCN | 부정 지시사(아니다) | |
관형사 | MM | 관형사 |
부사(MA) | MAG | 일반 부사 |
MAJ | 접속 부사 | |
감탄사 | IC | 감탄사 |
조사(J) | JKS | 주격 조사 |
JKC | 보격 조사 | |
JKG | 관형격 조사 | |
JKO | 목적격 조사 | |
JKB | 부사격 조사 | |
JKV | 호격 조사 | |
JKQ | 인용격 조사 | |
JX | 보조사 | |
JC | 접속 조사 | |
어미(E) | EP | 선어말 어미 |
EF | 종결 어미 | |
EC | 연결 어미 | |
ETN | 명사형 전성 어미 | |
ETM | 관형형 전성 어미 | |
접두사 | XPN | 체언 접두사 |
접미사(XS) | XSN | 명사 파생 접미사 |
XSV | 동사 파생 접미사 | |
XSA | 형용사 파생 접미사 | |
어근 | XR | 어근 |
부호, 외국어, 특수문자(S) | SF | 종결 부호(. ! ?) |
SP | 구분 부호(, / : ;) | |
SS | 인용 부호 및 괄호(' " ( ) [ ] < > { } ― ‘ ’ “ ” ≪ ≫ 등) | |
SE | 줄임표(…) | |
SO | 붙임표(- ~) | |
SW | 기타 특수 문자 | |
SL | 알파벳(A-Z a-z) | |
SH | 한자 | |
SN | 숫자(0-9) | |
분석 불능 | UN | 분석 불능* |
웹(W) | W_URL | URL 주소* |
W_EMAIL | 이메일 주소* | |
W_HASHTAG | 해시태그(#abcd)* | |
W_MENTION | 멘션(@abcd)* |
* 세종 품사 태그와 다른 독자적인 태그입니다.
다음의 성능 평가는 konlpy-0.5.1에 포함된 Hannanum, Kkma, Komoran, Okt를 Kiwi와 비교한 것입니다.
평가는 AMD Ryzen 7 3700X @3.6GHz, RAM 32GB, Windows 10(64bit) 환경에서 진행되었습니다.
Loading | 1 | 10 | 100 | 1000 | 10000 | 100000 | |
---|---|---|---|---|---|---|---|
Hannanum | 0.434 | 0.003 | 0.005 | 0.015 | 0.055 | 0.424 | 5.360 |
Kkma | 2.481 | 0.004 | 0.062 | 0.087 | 0.348 | 2.058 | 21.054 |
Komoran | 1.068 | 0.005 | 0.003 | 0.009 | 0.045 | 0.469 | 17.974 |
Okt | 1.787 | 0.005 | 0.023 | 0.040 | 0.094 | 0.376 | 2.527 |
Kiwi | 1.009 | 0.002 | 0.002 | 0.004 | 0.029 | 0.137 | 1.361 |
Kiwi의 로딩 시간 및 처리 속도는 기존의 분석기들과 비교할 때 매우 빠른 편임을 확인할 수 있습니다.
위의 성능 평가는 https://github.com/bab2min/kiwipiepy/blob/master/evaluate.py 를 통해 직접 실시해볼 수 있습니다.
- 비문학(신문기사): 0.928
- 문학작품: 0.960
결과 예시
프랑스의 세계적인 의상 디자이너 엠마누엘 웅가로가 실내 장식용 직물 디자이너로 나섰다.
(정답) 프랑스/NNP 의/JKG 세계/NNG 적/XSN 이/VCP ㄴ/ETM 의상/NNG 디자이너/NNG 엠마누엘/NNP 웅가로/NNP 가/JKS 실내/NNG 장식/NNG 용/XSN 직물/NNG 디자이너/NNG 로/JKB 나서/VV 었/EP 다/EF ./SF
(Kiwi) 프랑스/NNP 의/JKG 세계/NNG 적/XSN 이/VCP ᆫ/ETM 의상/NNG 디자이너/NNG 엠마누/NNP 에/JKB ᆯ/JKO 웅가로/NNP 가/JKS 실내/NNG 장식/NNG 용/XSN 직물/NNG 디자이너/NNG 로/JKB 나서/VV 었/EP 다/EF ./SF
둥글둥글한 돌은 아무리 굴러도 흔적이 남지 않습니다.
(정답) 둥글둥글/MAG 하/XSA ㄴ/ETM 돌/NNG 은/JX 아무리/MAG 구르/VV 어도/EC 흔적/NNG 이/JKS 남/VV 지/EC 않/VX 습니다/EF ./SF
(Kiwi) 둥글둥글/MAG 하/XSA ᆫ/ETM 돌/NNG 은/JX 아무리/MAG 구르/VV 어도/EC 흔적/NNG 이/JKS 남/VV 지/EC 않/VX 습니다/EF ./SF
하늘을 훨훨 나는 새처럼
(정답) 하늘/NNG 을/JKO 훨훨/MAG 날/VV 는/ETM 새/NNG 처럼/JKB
(Kiwi) 하늘/NNG 을/JKO 훨훨/MAG 날/VV 는/ETM 새/NNG 처럼/JKB
아버지가방에들어가신다
(정답) 아버지/NNG 가/JKS 방/NNG 에/JKB 들어가/VV 시/EP ㄴ다/EF
(Kiwi) 아버지/NNG 가/JKS 방/NNG 에/JKB 들어가/VV 시/EP ᆫ다/EC
https://lab.bab2min.pe.kr/kiwi 에서 데모를 실행해 볼 수 있습니다.
Kiwi는 LGPL v3 라이센스로 배포됩니다.
이메일: [email protected]
블로그: http://bab2min.tistory.com/560
자세한 내용은 CONTRIBUTING.md 에서 확인해주세요.