new-value-analysis 0.1.0__tar.gz → 0.1.2__tar.gz

new_value_analysis-0.1.2/PKG-INFO

@@ -0,0 +1,210 @@
+Metadata-Version: 2.4
+Name: new_value_analysis
+Version: 0.1.2
+Summary: New Value Analysis: actor/action/opportunity 분석 유틸리티 패키지
+Author: New Value Analysis contributors
+License: MIT
+Project-URL: Homepage, https://github.com/smhrdGit/new_value_analysis
+Project-URL: Repository, https://github.com/smhrdGit/new_value_analysis
+Project-URL: Issues, https://github.com/smhrdGit/new_value_analysis/issues
+Requires-Python: >=3.9
+Description-Content-Type: text/markdown
+License-File: LICENSE
+Requires-Dist: numpy>=1.21
+Requires-Dist: pandas>=1.5
+Requires-Dist: gensim>=4.3
+Requires-Dist: scikit-learn>=1.2
+Requires-Dist: matplotlib>=3.7
+Requires-Dist: scipy>=1.10
+Dynamic: license-file
+
+# New Value Analysis
+
+`new_value_analysis`는 **신규가치분석(New Value Analysis)**을 수행하기 위한
+Python 기반 분석 유틸리티 라이브러리입니다.
+
+텍스트 데이터 기반으로
+**Action(행동) → Actor(행위자) → Opportunity Area(기회영역)** 분석 파이프라인을
+일관된 구조로 수행할 수 있도록 설계되었습니다.
+
+---
+
+## 📦 Installation
+
+```bash
+pip install new_value_analysis
+```
+
+> Python 3.9 이상 권장
+
+---
+
+## 📚 Core Concept
+
+본 라이브러리는 다음과 같은 **3단계 분석 흐름**을 전제로 합니다.
+
+```
+[Action Finder]
+텍스트 데이터 → 토픽 모델링 → 행동(Action) 정의
+
+[Actor Finder]
+문서 임베딩 → 군집 분석 → 행위자(Actor) 유형화
+
+[Opportunity Area Analysis]
+중요도 × 만족도 → 기회영역(Opportunity Area) 도출
+```
+
+---
+
+## 📁 Package Structure
+
+```text
+new_value_analysis
+├─ action_finder
+│  ├─ topic_modeling.py          # LDA 학습
+│  ├─ find_topicnum.py           # 토픽 수 탐색
+│  └─ select_action_number.py    # 문서별 Action 번호 할당
+│
+├─ actor_finder
+│  ├─ doc2vec.py                 # Doc2Vec 임베딩
+│  ├─ find_right_silhouette.py   # 최적 군집 수 탐색
+│  ├─ silhouette_plot.py         # 실루엣 플롯
+│  └─ visualize_dendrogram.py    # 덴드로그램 시각화
+│
+└─ opportunity_area_analysis
+   ├─ satisfaction_scaling.py    # 점수 스케일링
+   └─ opportunity_plot.py        # Opportunity Area 시각화
+```
+
+---
+
+## 1️⃣ Action Finder
+
+### 목적
+
+* 텍스트 데이터에서 **행동(Action)**을 추출
+* 문서별로 어떤 행동을 가장 강하게 드러내는지 식별
+
+### 주요 기능
+
+```python
+from new_value_analysis.action_finder import (
+    LDA_train,
+    assign_action_number
+)
+```
+
+### 예시 흐름
+
+```python
+# 1. LDA 모델 학습
+lda_model, corpus, dictionary = LDA_train(texts)
+
+# 2. 문서별 Action 번호 할당
+df["action_number"] = assign_action_number(lda_model, corpus)
+```
+
+---
+
+## 2️⃣ Actor Finder
+
+### 목적
+
+* 문서를 **행위자(Actor) 관점에서 군집화**
+* “어떤 유형의 사람이 어떤 행동을 하는가?”를 구조화
+
+### 주요 기능
+
+```python
+from new_value_analysis.actor_finder import (
+    train_doc2vec_module,
+    agglomerative_silhouette_module,
+    visualize_silhouette,
+    plot_dendrogram
+)
+```
+
+### 예시 흐름
+
+```python
+# 1. Doc2Vec 임베딩
+model, vectors, tagged_docs = train_doc2vec_module(
+    df,
+    token_col="tagged_review"
+)
+df["vector"] = vectors
+
+# 2. 최적 군집 수 탐색
+scores, best_k = agglomerative_silhouette_module(df)
+
+# 3. 군집 품질 시각화
+visualize_silhouette([2, 3, 4, 5], vectors)
+
+# 4. 덴드로그램 확인
+plot_dendrogram(df)
+```
+
+---
+
+## 3️⃣ Opportunity Area Analysis
+
+### 목적
+
+* 중요도 × 만족도 기반으로 **기회영역(Opportunity Area)** 도출
+* “노력 대비 가치가 큰 영역”을 시각적으로 식별
+
+### 주요 기능
+
+```python
+from new_value_analysis.opportunity_area_analysis import (
+    minmax_scale_scores,
+    plot_opportunity_area
+)
+```
+
+### 예시 흐름
+
+```python
+# 1. 점수 스케일링
+df_scaled = minmax_scale_scores(df)
+
+# 2. Opportunity Area 시각화
+plot_opportunity_area(
+    importance=df_scaled["importance"],
+    satisfaction=df_scaled["satisfaction"],
+    labels=df_scaled["action_label"]
+)
+```
+
+---
+
+## 🧠 Recommended Workflow
+
+```text
+텍스트 수집
+   ↓
+전처리 / 토큰화
+   ↓
+Action Finder (행동 정의)
+   ↓
+Actor Finder (행위자 유형화)
+   ↓
+Opportunity Area Analysis (기회영역 도출)
+```
+
+---
+
+## 🎓 Use Cases
+
+* AI 서비스 기획 / UX 리서치
+* VOC / 리뷰 데이터 기반 서비스 개선
+* 공공 데이터 기반 정책 기획
+* 교육 과정(부트캠프) 분석 프로젝트
+
+
+## ✨ Versioning
+
+* **v0.1.0**
+
+  * Initial public release
+  * Action / Actor / Opportunity 분석 파이프라인 제공

new_value_analysis-0.1.2/README.md

@@ -0,0 +1,190 @@
+# New Value Analysis
+
+`new_value_analysis`는 **신규가치분석(New Value Analysis)**을 수행하기 위한
+Python 기반 분석 유틸리티 라이브러리입니다.
+
+텍스트 데이터 기반으로
+**Action(행동) → Actor(행위자) → Opportunity Area(기회영역)** 분석 파이프라인을
+일관된 구조로 수행할 수 있도록 설계되었습니다.
+
+---
+
+## 📦 Installation
+
+```bash
+pip install new_value_analysis
+```
+
+> Python 3.9 이상 권장
+
+---
+
+## 📚 Core Concept
+
+본 라이브러리는 다음과 같은 **3단계 분석 흐름**을 전제로 합니다.
+
+```
+[Action Finder]
+텍스트 데이터 → 토픽 모델링 → 행동(Action) 정의
+
+[Actor Finder]
+문서 임베딩 → 군집 분석 → 행위자(Actor) 유형화
+
+[Opportunity Area Analysis]
+중요도 × 만족도 → 기회영역(Opportunity Area) 도출
+```
+
+---
+
+## 📁 Package Structure
+
+```text
+new_value_analysis
+├─ action_finder
+│  ├─ topic_modeling.py          # LDA 학습
+│  ├─ find_topicnum.py           # 토픽 수 탐색
+│  └─ select_action_number.py    # 문서별 Action 번호 할당
+│
+├─ actor_finder
+│  ├─ doc2vec.py                 # Doc2Vec 임베딩
+│  ├─ find_right_silhouette.py   # 최적 군집 수 탐색
+│  ├─ silhouette_plot.py         # 실루엣 플롯
+│  └─ visualize_dendrogram.py    # 덴드로그램 시각화
+│
+└─ opportunity_area_analysis
+   ├─ satisfaction_scaling.py    # 점수 스케일링
+   └─ opportunity_plot.py        # Opportunity Area 시각화
+```
+
+---
+
+## 1️⃣ Action Finder
+
+### 목적
+
+* 텍스트 데이터에서 **행동(Action)**을 추출
+* 문서별로 어떤 행동을 가장 강하게 드러내는지 식별
+
+### 주요 기능
+
+```python
+from new_value_analysis.action_finder import (
+    LDA_train,
+    assign_action_number
+)
+```
+
+### 예시 흐름
+
+```python
+# 1. LDA 모델 학습
+lda_model, corpus, dictionary = LDA_train(texts)
+
+# 2. 문서별 Action 번호 할당
+df["action_number"] = assign_action_number(lda_model, corpus)
+```
+
+---
+
+## 2️⃣ Actor Finder
+
+### 목적
+
+* 문서를 **행위자(Actor) 관점에서 군집화**
+* “어떤 유형의 사람이 어떤 행동을 하는가?”를 구조화
+
+### 주요 기능
+
+```python
+from new_value_analysis.actor_finder import (
+    train_doc2vec_module,
+    agglomerative_silhouette_module,
+    visualize_silhouette,
+    plot_dendrogram
+)
+```
+
+### 예시 흐름
+
+```python
+# 1. Doc2Vec 임베딩
+model, vectors, tagged_docs = train_doc2vec_module(
+    df,
+    token_col="tagged_review"
+)
+df["vector"] = vectors
+
+# 2. 최적 군집 수 탐색
+scores, best_k = agglomerative_silhouette_module(df)
+
+# 3. 군집 품질 시각화
+visualize_silhouette([2, 3, 4, 5], vectors)
+
+# 4. 덴드로그램 확인
+plot_dendrogram(df)
+```
+
+---
+
+## 3️⃣ Opportunity Area Analysis
+
+### 목적
+
+* 중요도 × 만족도 기반으로 **기회영역(Opportunity Area)** 도출
+* “노력 대비 가치가 큰 영역”을 시각적으로 식별
+
+### 주요 기능
+
+```python
+from new_value_analysis.opportunity_area_analysis import (
+    minmax_scale_scores,
+    plot_opportunity_area
+)
+```
+
+### 예시 흐름
+
+```python
+# 1. 점수 스케일링
+df_scaled = minmax_scale_scores(df)
+
+# 2. Opportunity Area 시각화
+plot_opportunity_area(
+    importance=df_scaled["importance"],
+    satisfaction=df_scaled["satisfaction"],
+    labels=df_scaled["action_label"]
+)
+```
+
+---
+
+## 🧠 Recommended Workflow
+
+```text
+텍스트 수집
+   ↓
+전처리 / 토큰화
+   ↓
+Action Finder (행동 정의)
+   ↓
+Actor Finder (행위자 유형화)
+   ↓
+Opportunity Area Analysis (기회영역 도출)
+```
+
+---
+
+## 🎓 Use Cases
+
+* AI 서비스 기획 / UX 리서치
+* VOC / 리뷰 데이터 기반 서비스 개선
+* 공공 데이터 기반 정책 기획
+* 교육 과정(부트캠프) 분석 프로젝트
+
+
+## ✨ Versioning
+
+* **v0.1.0**
+
+  * Initial public release
+  * Action / Actor / Opportunity 분석 파이프라인 제공

{new_value_analysis-0.1.0 → new_value_analysis-0.1.2}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "new_value_analysis"
-version = "0.1.0"
+version = "0.1.2"
 description = "New Value Analysis: actor/action/opportunity 분석 유틸리티 패키지"
 readme = "README.md"
 requires-python = ">=3.9"

{new_value_analysis-0.1.0 → new_value_analysis-0.1.2}/src/new_value_analysis/action_finder/find_topicnum.py

@@ -18,6 +18,7 @@ def lda_perplexity_coherence_plot(
     from gensim.models import CoherenceModel
     from tqdm.auto import tqdm
     import matplotlib.pyplot as plt
+    import numpy as np
 
     perplexity_values = []
     coherence_values = []
@@ -43,7 +44,8 @@ def lda_perplexity_coherence_plot(
         )
 
         # 2. Perplexity 계산(perplexity_score 변수에 담아주기)
-        perplexity_score = ldamodel.log_perplexity(corpus)
+        log_perplexity = ldamodel.log_perplexity(corpus)
+        perplexity_score = np.exp(log_perplexity)
 
         # 3. 2번에서 구한 값 perplexity_values 에 추가하기
         perplexity_values.append(perplexity_score)

new_value_analysis-0.1.2/src/new_value_analysis.egg-info/PKG-INFO

@@ -0,0 +1,210 @@
+Metadata-Version: 2.4
+Name: new_value_analysis
+Version: 0.1.2
+Summary: New Value Analysis: actor/action/opportunity 분석 유틸리티 패키지
+Author: New Value Analysis contributors
+License: MIT
+Project-URL: Homepage, https://github.com/smhrdGit/new_value_analysis
+Project-URL: Repository, https://github.com/smhrdGit/new_value_analysis
+Project-URL: Issues, https://github.com/smhrdGit/new_value_analysis/issues
+Requires-Python: >=3.9
+Description-Content-Type: text/markdown
+License-File: LICENSE
+Requires-Dist: numpy>=1.21
+Requires-Dist: pandas>=1.5
+Requires-Dist: gensim>=4.3
+Requires-Dist: scikit-learn>=1.2
+Requires-Dist: matplotlib>=3.7
+Requires-Dist: scipy>=1.10
+Dynamic: license-file
+
+# New Value Analysis
+
+`new_value_analysis`는 **신규가치분석(New Value Analysis)**을 수행하기 위한
+Python 기반 분석 유틸리티 라이브러리입니다.
+
+텍스트 데이터 기반으로
+**Action(행동) → Actor(행위자) → Opportunity Area(기회영역)** 분석 파이프라인을
+일관된 구조로 수행할 수 있도록 설계되었습니다.
+
+---
+
+## 📦 Installation
+
+```bash
+pip install new_value_analysis
+```
+
+> Python 3.9 이상 권장
+
+---
+
+## 📚 Core Concept
+
+본 라이브러리는 다음과 같은 **3단계 분석 흐름**을 전제로 합니다.
+
+```
+[Action Finder]
+텍스트 데이터 → 토픽 모델링 → 행동(Action) 정의
+
+[Actor Finder]
+문서 임베딩 → 군집 분석 → 행위자(Actor) 유형화
+
+[Opportunity Area Analysis]
+중요도 × 만족도 → 기회영역(Opportunity Area) 도출
+```
+
+---
+
+## 📁 Package Structure
+
+```text
+new_value_analysis
+├─ action_finder
+│  ├─ topic_modeling.py          # LDA 학습
+│  ├─ find_topicnum.py           # 토픽 수 탐색
+│  └─ select_action_number.py    # 문서별 Action 번호 할당
+│
+├─ actor_finder
+│  ├─ doc2vec.py                 # Doc2Vec 임베딩
+│  ├─ find_right_silhouette.py   # 최적 군집 수 탐색
+│  ├─ silhouette_plot.py         # 실루엣 플롯
+│  └─ visualize_dendrogram.py    # 덴드로그램 시각화
+│
+└─ opportunity_area_analysis
+   ├─ satisfaction_scaling.py    # 점수 스케일링
+   └─ opportunity_plot.py        # Opportunity Area 시각화
+```
+
+---
+
+## 1️⃣ Action Finder
+
+### 목적
+
+* 텍스트 데이터에서 **행동(Action)**을 추출
+* 문서별로 어떤 행동을 가장 강하게 드러내는지 식별
+
+### 주요 기능
+
+```python
+from new_value_analysis.action_finder import (
+    LDA_train,
+    assign_action_number
+)
+```
+
+### 예시 흐름
+
+```python
+# 1. LDA 모델 학습
+lda_model, corpus, dictionary = LDA_train(texts)
+
+# 2. 문서별 Action 번호 할당
+df["action_number"] = assign_action_number(lda_model, corpus)
+```
+
+---
+
+## 2️⃣ Actor Finder
+
+### 목적
+
+* 문서를 **행위자(Actor) 관점에서 군집화**
+* “어떤 유형의 사람이 어떤 행동을 하는가?”를 구조화
+
+### 주요 기능
+
+```python
+from new_value_analysis.actor_finder import (
+    train_doc2vec_module,
+    agglomerative_silhouette_module,
+    visualize_silhouette,
+    plot_dendrogram
+)
+```
+
+### 예시 흐름
+
+```python
+# 1. Doc2Vec 임베딩
+model, vectors, tagged_docs = train_doc2vec_module(
+    df,
+    token_col="tagged_review"
+)
+df["vector"] = vectors
+
+# 2. 최적 군집 수 탐색
+scores, best_k = agglomerative_silhouette_module(df)
+
+# 3. 군집 품질 시각화
+visualize_silhouette([2, 3, 4, 5], vectors)
+
+# 4. 덴드로그램 확인
+plot_dendrogram(df)
+```
+
+---
+
+## 3️⃣ Opportunity Area Analysis
+
+### 목적
+
+* 중요도 × 만족도 기반으로 **기회영역(Opportunity Area)** 도출
+* “노력 대비 가치가 큰 영역”을 시각적으로 식별
+
+### 주요 기능
+
+```python
+from new_value_analysis.opportunity_area_analysis import (
+    minmax_scale_scores,
+    plot_opportunity_area
+)
+```
+
+### 예시 흐름
+
+```python
+# 1. 점수 스케일링
+df_scaled = minmax_scale_scores(df)
+
+# 2. Opportunity Area 시각화
+plot_opportunity_area(
+    importance=df_scaled["importance"],
+    satisfaction=df_scaled["satisfaction"],
+    labels=df_scaled["action_label"]
+)
+```
+
+---
+
+## 🧠 Recommended Workflow
+
+```text
+텍스트 수집
+   ↓
+전처리 / 토큰화
+   ↓
+Action Finder (행동 정의)
+   ↓
+Actor Finder (행위자 유형화)
+   ↓
+Opportunity Area Analysis (기회영역 도출)
+```
+
+---
+
+## 🎓 Use Cases
+
+* AI 서비스 기획 / UX 리서치
+* VOC / 리뷰 데이터 기반 서비스 개선
+* 공공 데이터 기반 정책 기획
+* 교육 과정(부트캠프) 분석 프로젝트
+
+
+## ✨ Versioning
+
+* **v0.1.0**
+
+  * Initial public release
+  * Action / Actor / Opportunity 분석 파이프라인 제공

new_value_analysis-0.1.0/PKG-INFO

@@ -1,42 +0,0 @@
-Metadata-Version: 2.4
-Name: new_value_analysis
-Version: 0.1.0
-Summary: New Value Analysis: actor/action/opportunity 분석 유틸리티 패키지
-Author: New Value Analysis contributors
-License: MIT
-Project-URL: Homepage, https://github.com/smhrdGit/new_value_analysis
-Project-URL: Repository, https://github.com/smhrdGit/new_value_analysis
-Project-URL: Issues, https://github.com/smhrdGit/new_value_analysis/issues
-Requires-Python: >=3.9
-Description-Content-Type: text/markdown
-License-File: LICENSE
-Requires-Dist: numpy>=1.21
-Requires-Dist: pandas>=1.5
-Requires-Dist: gensim>=4.3
-Requires-Dist: scikit-learn>=1.2
-Requires-Dist: matplotlib>=3.7
-Requires-Dist: scipy>=1.10
-Dynamic: license-file
-
-# New Value Analysis
-
-`new_value_analysis`는 신규가치분석(New Value Analysis)을 위한 파이썬 유틸리티 패키지입니다.
-
-## 구성
-- `action_finder`: 토픽 모델링(LDA) 기반 Action(행동) 추출/할당
-- `actor_finder`: Doc2Vec 임베딩 + 군집 진단(실루엣/덴드로그램)
-- `opportunity_area_analysis`: Opportunity Area 스케일링/시각화
-
-## 설치(로컬 개발 모드)
-```bash
-pip install -U pip
-pip install -e .
-```
-
-## 사용 예시
-```python
-from new_value_analysis import action_finder, actor_finder, opportunity_area_analysis
-
-# 예: actor_finder 내부 함수 사용
-# model, vectors, tagged = actor_finder.train_doc2vec_module(df, token_col="tagged_review")
-```

new_value_analysis-0.1.0/README.md

@@ -1,22 +0,0 @@
-# New Value Analysis
-
-`new_value_analysis`는 신규가치분석(New Value Analysis)을 위한 파이썬 유틸리티 패키지입니다.
-
-## 구성
-- `action_finder`: 토픽 모델링(LDA) 기반 Action(행동) 추출/할당
-- `actor_finder`: Doc2Vec 임베딩 + 군집 진단(실루엣/덴드로그램)
-- `opportunity_area_analysis`: Opportunity Area 스케일링/시각화
-
-## 설치(로컬 개발 모드)
-```bash
-pip install -U pip
-pip install -e .
-```
-
-## 사용 예시
-```python
-from new_value_analysis import action_finder, actor_finder, opportunity_area_analysis
-
-# 예: actor_finder 내부 함수 사용
-# model, vectors, tagged = actor_finder.train_doc2vec_module(df, token_col="tagged_review")
-```

new_value_analysis-0.1.0/src/new_value_analysis.egg-info/PKG-INFO

@@ -1,42 +0,0 @@
-Metadata-Version: 2.4
-Name: new_value_analysis
-Version: 0.1.0
-Summary: New Value Analysis: actor/action/opportunity 분석 유틸리티 패키지
-Author: New Value Analysis contributors
-License: MIT
-Project-URL: Homepage, https://github.com/smhrdGit/new_value_analysis
-Project-URL: Repository, https://github.com/smhrdGit/new_value_analysis
-Project-URL: Issues, https://github.com/smhrdGit/new_value_analysis/issues
-Requires-Python: >=3.9
-Description-Content-Type: text/markdown
-License-File: LICENSE
-Requires-Dist: numpy>=1.21
-Requires-Dist: pandas>=1.5
-Requires-Dist: gensim>=4.3
-Requires-Dist: scikit-learn>=1.2
-Requires-Dist: matplotlib>=3.7
-Requires-Dist: scipy>=1.10
-Dynamic: license-file
-
-# New Value Analysis
-
-`new_value_analysis`는 신규가치분석(New Value Analysis)을 위한 파이썬 유틸리티 패키지입니다.
-
-## 구성
-- `action_finder`: 토픽 모델링(LDA) 기반 Action(행동) 추출/할당
-- `actor_finder`: Doc2Vec 임베딩 + 군집 진단(실루엣/덴드로그램)
-- `opportunity_area_analysis`: Opportunity Area 스케일링/시각화
-
-## 설치(로컬 개발 모드)
-```bash
-pip install -U pip
-pip install -e .
-```
-
-## 사용 예시
-```python
-from new_value_analysis import action_finder, actor_finder, opportunity_area_analysis
-
-# 예: actor_finder 내부 함수 사용
-# model, vectors, tagged = actor_finder.train_doc2vec_module(df, token_col="tagged_review")
-```