문장을 입력하면 MBTI를 알려준다고?!?!

우빈·2023년 12월 26일

Flask React matplotlib python

🔎 PREDICT YOUR MBTI!

입력받은 문장으로 화자의 MBTI를 추론해주는 서비스입니다.

🧐 왜 만들었나요?

몇년 전부터 성격 유형 검사인 MBTI가 갑자기 엄청난 유행을 탔습니다.
그 후로 처음 만난 사람에게 아이스브레이킹을 위해 MBTI를 물어보곤 하는 등
MBTI는 우리의 일상에서 자연스럽게 녹아들었습니다.
MBTI 성격 유형 검사가 없던 시절에 살던 인물이나 가상 인물의 MBTI는 무엇일까 라는 궁금증이 생겼습니다.
데이터 분석을 통해서 과거 인물들이 쓰거나 말한 문장을 입력하면 MBTI를 예측해주는 프로그램을 만들어 궁금증을 해결해야겠다고 생각했습니다.

📋 사이트 미리보기

🖥️ 기술 스택

데이터 분석

Pandas
Matplotlib
Numpy

서버

Ngrok
Flask

클라이언트

React
TypeScript
Jotai
tailwindcss

😎 이렇게 구현했어요

세 줄로 요약해드리자면...

영문으로 MBTI별 특징이 정리된 데이터를 찾아 한국어로 번역하여 모델을 생성했습니다.

이를 문장의 형태소 단위로 잘라 입력받은 문장을 통해 유사도를 도출하는 함수를 생성했습니다.

플라스크를 사용하여 API를 구축하고 리액트를 사용하여 API를 연결해 웹으로 서비스를 제공했습니다.

자세히 설명해드리자면...

먼저 kaggle.com에서 MBTI별 특징이 정리되어있는 csv를 찾아 해당 데이터를 이용하자고 생각했습니다.

해당 데이터에는 두 가지의 문제점이 있었습니다.

영어로 구성되어있어 한국어로 된 문장을 입력했을 때 데이터 분석이 불가능합니다.
리스트 형식으로 구성되어있어 한번 분석하는데에 데이터 매핑으로 인한 많은 시간이 소요됩니다.

이런 문제점을 데이터 학습을 통해 모델을 구축할 때 다음과 같이 해결하기로 결정했습니다.

for index, mbti in tqdm(mbti_list.iterrows()):
    key = mbti['type']
    content = mbti['posts']
    translated_content = translator.translate(content, src="en", dest="ko")
    mbti_dict[key] += translated_content.text

googletrans 라이브러리를 사용하여 영어로 구성된 데이터를 한국어로 번역했습니다.
mbti별 딕셔너리를 만들어 번역된 문장을 한 문자열에 병합했습니다.

이렇게 되면 밑과 유사한 구조의 학습된 데이터를 얻을 수 있습니다.

{
	"ISTJ": "직관 시작 편향 넌센스 시작 요구 직관 스마트 오만한 보험 직관적인 직관적 문제 이해 추상적인",
	"ISFJ": "...",
	...
}

이 데이터를 기준으로 문장의 형태소를 잘라 비교해주는 함수를 정의했습니다.

def calculate_similarity(sentence, mbti_data):
    sentence = sentence.lower()
    similarities = {}
    for mbti, traits in mbti_data.items():
        mbti_traits = traits.lower()
        matching_words = sum(word in sentence for word in mbti_traits.split())
        similarity_percentage = (matching_words / len(mbti_traits.split())) * 100

        similarities[mbti] = similarity_percentage

    return similarities

서비스를 웹 어플리케이션으로 제공하기 위해 플라스크를 사용하여 API를 구축했습니다.

app = Flask(__name__)
CORS(app)
run_with_ngrok(app)

@app.route("/mbti", methods=['POST'])
def home():
    content = request.json['content']
    similarities = calculate_similarity(content, mbti_dict)

    response_data = {}
    for mbti, percentage in similarities.items():
      response_data[mbti] = percentage**3
    return jsonify({"mbti": response_data})
app.run()