final

+# **뉴스 키워드 노출 빈도수에 따른 기업 주가 영향 분석**
+---------------------------------------------------
+----------------------------------------------------
+
+
+## **지도교수님**
+* 한치근 교수님
+
+## **팀원**
+* 2017104003 컴퓨터공학과 양지수
+* 2017104039 컴퓨터공학과 한서흔
+
+---
+
+## **개발일정**
+* 2021.03.09~2021.03.22 데이터 수집
+* 2021.03.23~2021.04.19 자연어 처리,중간보고서 작성
+* 2021.04.20~2021.05.04 감성사전 분석 및 특화 사전 제작
+* 2021.05.05~           중심성 분석 및 최종 결과 제작

+<component name="InspectionProjectProfileManager">
+  <settings>
+    <option name="USE_PROJECT_PROFILE" value="false" />
+    <version value="1.0" />
+  </settings>
+</component>
\ No newline at end of file

+<?xml version="1.0" encoding="UTF-8"?>
+<module type="PYTHON_MODULE" version="4">
+  <component name="NewModuleRootManager">
+    <content url="file://$MODULE_DIR$" />
+    <orderEntry type="inheritedJdk" />
+    <orderEntry type="sourceFolder" forTests="false" />
+  </component>
+</module>
\ No newline at end of file

+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="ProjectRootManager" version="2" project-jdk-name="Python 3.7" project-jdk-type="Python SDK" />
+</project>
\ No newline at end of file

+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="ProjectModuleManager">
+    <modules>
+      <module fileurl="file://$PROJECT_DIR$/.idea/knu.iml" filepath="$PROJECT_DIR$/.idea/knu.iml" />
+    </modules>
+  </component>
+</project>
\ No newline at end of file

+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="VcsDirectoryMappings">
+    <mapping directory="$PROJECT_DIR$/.." vcs="Git" />
+    <mapping directory="$PROJECT_DIR$/KnuSentiLex" vcs="Git" />
+  </component>
+</project>
\ No newline at end of file

+import warnings
+
+warnings.simplefilter(("ignore"))
+import openpyxl
+import pandas as pd
+
+#######Gephi에 사용할 edge파일 만들기 전에 필요한 자료 만드는 과정
+####6개월치 키워드 합친 키워드 파일 넣기
+
+Stockfilename = input("키워드파일이름입력:")
+fileStock = "C:/Users/yangj/PycharmProjects/pythonProject1/" + Stockfilename + ".xlsx"
+Stockfile = openpyxl.load_workbook(fileStock)  # 파일이름입력
+stock_ws = Stockfile.active
+Stock_data = []  # list 타입
+date=[]
+i = 0
+for row in stock_ws.rows:
+    Stock_data.append([])
+    date.append(row[1].value)
+    for cell in row:
+        if cell.value != None:
+            Stock_data[i].append(cell.value)
+    i += 1
+del Stock_data[0] #첫번째 의미없는 열 삭제
+del date[0]
+for i in range(len(Stock_data)):
+    del Stock_data[i][0] #각 열의 첫번째 행 삭제
+for i in range(len(Stock_data)):
+    del Stock_data[i][0] #각 열의 날짜 행 삭제
+
+
+Tdata=[]
+
+for x in range(len(Stock_data)):
+    Tdata.append([])
+    for y in range(len(Stock_data[x])):
+        if str.isalnum(Stock_data[x][y]) == True:
+                  Tdata[x].append(Stock_data[x][y])
+
+result = { '날짜':date, '단어':Tdata }
+
+df = pd.DataFrame(result)
+#print(df)
+list_df=df.values.tolist() #dataframe list로 변경
+print(list_df)
+#print(list_df[0][0]) 날짜 2021.01.01.
+
+new_date = [] # 날짜 중복 삭제
+for v in date:
+    if v not in new_date:
+        new_date.append(v)
+#print(new_date)
+
+Setlist =[]# 날짜별 키워드 넣기
+for v in range(len(new_date)):
+    Setlist.append([])
+    Setlist[v].append(new_date[v])
+    for i in range(len(list_df)):
+        for j in range(len(list_df[i][1])):
+            if new_date[v] == list_df[i][0] :
+                Setlist[v].append(list_df[i][1][j])
+print(Setlist)
+df_ver= pd.DataFrame(Setlist)
+df_ver.to_excel(Stockfilename+' 날짜뉴스모으고특수삭제.xlsx',sheet_name='sheet1')
+SourceTarget=[]
+for i in range(len(list_df)):
+    SourceTarget.append([])
+    for j in range(len(list_df[i][1])-1):
+        SourceTarget.append([list_df[i][0],list_df[i][1][j],list_df[i][1][j+1],1])
+print(SourceTarget)
+SourceTarget = [v for v in SourceTarget if v]
+df_SourTar = pd.DataFrame(SourceTarget)
+#df_SourTar.to_excel(Stockfilename+'Edge3.xlsx',sheet_name='sheet1')
\ No newline at end of file

+import warnings
+#########5/23일작성중 #########
+warnings.simplefilter(("ignore"))
+import openpyxl
+import pandas as pd
+
+####### [날짜, 뉴스단어 한개] 구성 만드는 파일 차트 분석 시 count함수 이욜 할 때 참조 자료
+# ex)hmm뉴스키워드날짜뉴스모으고특수삭제.xlsx 파일 넣음<- DayNewsMerge.py 중간에 주석처리 된 부분 해제하고 결과 얻기
+Stockfilename = input("키워드파일이름입력:")
+fileStock = "C:/Users/yangj/PycharmProjects/pythonProject1/샘플/" + Stockfilename + ".xlsx"
+Stockfile = openpyxl.load_workbook(fileStock)  # 파일이름입력
+stock_ws = Stockfile.active
+Stock_data = []  # list 타입
+date=[]
+i = 0
+for row in stock_ws.rows:
+    Stock_data.append([])
+    date.append(row[1].value)
+    for cell in row:
+        if cell.value != None :
+            Stock_data[i].append(cell.value)
+    i += 1
+del Stock_data[0]
+del date[0]
+for i in range(len(Stock_data)):
+    del Stock_data[i][0] #각 열의 첫번째 행 삭제
+for i in range(len(Stock_data)):
+    del Stock_data[i][0] #각 열의 첫번째 행 삭제
+print(Stock_data)
+print(date)
+a=[] #
+print(len(date),len(Stock_data))
+for j in range(len(Stock_data)):
+    for k in range(len(Stock_data[j])):
+        a.append([date[j],Stock_data[j][k]])
+print(a)
+df_SourTar = pd.DataFrame(a)
+df_SourTar.to_excel(Stockfilename+'countif.xlsx',sheet_name='sheet1')
\ No newline at end of file

+# KNU 한국어 감성사전
+# 작성자 : 온병원, 박상민, 나철원
+# 소속 : 군산대학교 소프트웨어융합공학과 Data Intelligence Lab
+# 홈페이지 : dilab.kunsan.ac.kr
+# 작성일 : 2018.05.14
+# 뜻풀이 데이터 출처 : https://github.com/mrchypark/stdkor
+# 신조어 데이터 출처 : https://ko.wikipedia.org/wiki/%EB%8C%80%ED%95%9C%EB%AF%BC%EA%B5%AD%EC%9D%98_%EC%9D%B8%ED%84%B0%EB%84%B7_%EC%8B%A0%EC%A1%B0%EC%96%B4_%EB%AA%A9%EB%A1%9D
+# 이모티콘 데이터 출처: https://ko.wikipedia.org/wiki/%EC%9D%B4%EB%AA%A8%ED%8B%B0%EC%BD%98
+# SentiWordNet_3.0.0_20130122 데이터 출처 : http://sentiwordnet.isti.cnr.it/
+# SenticNet-5.0 데이터 출처 : http://sentic.net/
+# 감정단어사전0603 데이터 출처 : http://datascience.khu.ac.kr/board/bbs/board.php?bo_table=05_01&wr_id=91 
+# 김은영, “국어 감정동사 연구”, 2004.02, 학위논문(박사) - 전남대학교 국어국문학과 대학원
+
+#-*-coding:utf-8-*-
+import collections
+import json
+
+import warnings
+warnings.simplefilter(("ignore"))
+import openpyxl
+import pandas as pd
+import re
+from datetime import datetime
+
+############종목 감성 판단 ex)hmm뉴스키워드.xlsx 파일 넣는 과정
+class KnuSL():
+    
+    def data_list(wordname):
+        with open('KnuSentiLex/data/SentiWord_info.json', encoding='utf-8-sig', mode='r') as f:
+            data = json.load(f)
+            result = [0,0]
+            
+        for i in range(0, len(data)):
+            if data[i]['word'] == wordname:
+                result.pop()
+                result.pop()
+                result.append(data[i]['word_root'])
+                result.append(int(data[i]['polarity']))
+
+        r_word = result[0] #어근
+        s_word = result[1] #극성
+        
+        return s_word
+
+if __name__ == "__main__":
+
+    ksl = KnuSL
+    
+    print("\nKNU 한국어 감성사전입니다~ :)")
+    print("사전에 단어가 없는 경우 결과가 None으로 나타납니다!!!")
+    print("종료하시려면 #을 입력해주세요!!!")
+    print("-2:매우 부정, -1:부정, 0:중립 or Unkwon, 1:긍정, 2:매우 긍정")
+    print("\n")
+#########
+Newsfilefolder = input("종목폴더입력: ")
+Newsfilename=input("파일이름입력:")
+Newsfilepos = "C:/Users/yangj/PycharmProjects/pythonProject1/뉴스키워드/"+Newsfilefolder+"/" + Newsfilename + ".xlsx"
+Newsfile = openpyxl.load_workbook(Newsfilepos)#파일이름입력
+ws=Newsfile.active
+data=[]
+date=[]
+i=0
+for row in ws.rows:
+    data.append([])
+    date.append(row[1].value)
+    for cell in row:
+        if cell.value != None:
+            data[i].append(cell.value)
+    i += 1
+del data[0] #첫번째 의미없는 열 삭제
+del date[0]
+for i in range(len(data)):
+    del data[i][0] #각 열의 첫번째 행 삭제
+for i in range(len(data)):
+    del data[i][0] #각 열의 날짜 행 삭제
+
+KNUdata=[]
+Tdata=[]
+
+for x in range(len(data)):
+    KNUdata.append([])
+    Tdata.append([])
+    for y in range(len(data[x])):
+        KNUdata[x].append(ksl.data_list(data[x][y]))
+        Tdata[x].append([data[x][y], KNUdata[x][y]])
+
+result = { '날짜':date, '단어, 극성':Tdata }
+
+df = pd.DataFrame(result)
+#print(df)
+list_df=df.values.tolist() #dataframe list로 변경
+#print(list_df)
+#print(list_df[0][0]) 날짜 2021.01.01.
+
+new_date = [] # 날짜 중복 삭제
+for v in date:
+    if v not in new_date:
+        new_date.append(v)
+#print(new_date)
+
+Setlist =[]# 날짜별 키워드 넣기
+for v in range(len(new_date)):
+    Setlist.append([])
+    Setlist[v].append(new_date[v])
+    for i in range(len(list_df)):
+        for j in range(len(list_df[i][1])):
+            if new_date[v] == list_df[i][0]:
+                Setlist[v].append(list_df[i][1][j])
+print(Setlist)
+print(Setlist[0][0]) #2021.01.01
+print(type(Setlist[0][0]))
+print(Setlist[0][0].split('-'))
+print(Setlist[0][1][1]) #극성 0
+print(type(Setlist[0][1][1])) #극성 모든 타입 int
+
+#print(list_df[0][1][0]) 키워드와 극성 ['HMM…"체질개선해', 'X']
+#print(list_df[0][1][0][1]) 극성 x
+#print(list_df[0][0].split('.')[:3]) ['2021', '01', '01']
+#df.to_excel(Newsfilename+' KNU.xlsx',sheet_name='sheet1')
+
+Stockfilefolder = input("종목시세폴더입력: ")
+Stockfilename=input("시세파일이름입력:")
+fileStock = "C:/Users/yangj/PycharmProjects/pythonProject1/종목별시세/"+Stockfilefolder+"/" + Stockfilename + ".xlsx"
+Stockfile = openpyxl.load_workbook(fileStock)#파일이름입력
+stock_ws=Stockfile.active
+Stock_data=[] #list 타입
+i=0
+for row in stock_ws.rows:
+    Stock_data.append([])
+    for cell in row:
+        if cell.value != None:
+            Stock_data[i].append(cell.value)
+    i += 1
+del Stock_data[0]
+for i in range(len(Stock_data)):
+    del Stock_data[i][2] # 대비 삭제
+for i in range(len(Stock_data)):
+    del Stock_data[i][7] #거래대금 삭제
+for i in range(len(Stock_data)):
+    del Stock_data[i][7] #시가 총액 삭제
+for i in range(len(Stock_data)):
+    del Stock_data[i][7] #상장주식 수 삭제 / 결과:'일자', '종가', '등락률', '시가', '고가', '저가', '거래량'
+#print(Stock_data)
+
+def Calpercentage(a,b): #시초가 대비 고점/저점 비율
+    return abs(a-b)/a*100
+####아래로 수정 필요 (미완성)####
+
+i=0
+for k in range(len(Setlist)):
+    if( Stock_data[i][0].split('/') == Setlist[k][0].split('.')[:3]): # 날짜 비교 날짜가 같다면
+          if Calpercentage(Stock_data[i][3],Stock_data[i][4]) > 2 : #당일 시가 대비 고가가 2퍼 높을때
+             for j in range(1,len(Setlist[k])):
+                 if Setlist[k][j][1] == 0:
+                    Setlist[k][j][1] = 1
+                 else:
+                    Setlist[k][j][1] += 1
+          elif Calpercentage(Stock_data[i][3],Stock_data[i][5]) < -2 : #당일 시가 대비 저가가 2퍼 낮을 때
+            for j in range(1,len(Setlist[k])):
+                if Setlist[k][j][1] == 0:
+                    Setlist[k][j][1] = -1
+                else:
+                     Setlist[k][j][1] -= 1
+          else:
+                if Stock_data[i+1][2] > 0:          # 다음날 주가 등락률이 양수면
+                    for j in range(1,len(Setlist[k])):   #어제뉴스는 호재 취급
+                        if Setlist[k][j][1] == 0:
+                            Setlist[k][j][1] = 1
+                        else:
+                            Setlist[k][j][1] += 1
+                elif Stock_data[i+1][2] < 0:
+                    for j in range(1,len(Setlist[k])):  # 음수면 어제 뉴스는 악재 취급
+                        if Setlist[k][j][1] == 0:
+                            Setlist[k][j][1] = -1
+                        else:
+                            Setlist[k][j][1] -= 1
+          i += 1
+
+    else:
+        if Calpercentage(Stock_data[i][3], Stock_data[i][4]) > 2:  # 당일 시가 대비 고가가 2퍼 높을때
+            for j in range(1, len(Setlist[k])):
+                if Setlist[k][j][1] == 0:
+                    Setlist[k][j][1] = 1
+                else:
+                    Setlist[k][j][1] += 1
+        elif Calpercentage(Stock_data[i][3], Stock_data[i][5]) < -2:  # 당일 시가 대비 저가가 2퍼 낮을 때
+            for j in range(1, len(Setlist[k])):
+                if Setlist[k][j][1] == 0:
+                    Setlist[k][j][1] = -1
+                else:
+                    Setlist[k][j][1] -= 1
+        else:
+            if Stock_data[i + 1][2] > 0:  # 다음날 주가 등락률이 양수면
+                for j in range(1, len(Setlist[k])):  # 어제뉴스는 호재 취급
+                    if Setlist[k][j][1] == 0:
+                        Setlist[k][j][1] = 1
+                    else:
+                        Setlist[k][j][1] += 1
+            elif Stock_data[i + 1][2] < 0:
+                for j in range(1, len(Setlist[k])):  # 음수면 어제 뉴스는 악재 취급
+                    if Setlist[k][j][1] == 0:
+                        Setlist[k][j][1] = -1
+                    else:
+                        Setlist[k][j][1] -= 1
+
+        i += 1
+        #<이거 삭제서 hmm한번 더 돌려보기
+
+print(Setlist)
+
+#df_Setlist = pd.DataFrame(Setlist)
+#df_Setlist.to_excel(Stockfilename+' KNU_New.xlsx',sheet_name='sheet1')
+
+Setlist_w = []
+for i in range(len(Setlist)):
+    Setlist_w.append([])
+    for j in range(1, len(Setlist[i])):
+        Setlist_w[i].append(Setlist[i][j][0])  # 극성 제외 단어만 추출
+
+counter = {}
+for i in range(len(Setlist_w)):
+    counter[i] = collections.Counter(Setlist_w[i])  # 누적치
+
+for i in range(len(Setlist_w)):
+    Setlist_w[i] = list(zip(counter[i].keys(), counter[i].values()))  # 튜플 리스트화 [(값, 값)]
+
+Plist = []
+for i in range(len(Setlist_w)):
+    Plist.append([])
+    for j in range(len(Setlist_w[i])):
+        Plist[i].append(list(Setlist_w[i][j]))  # 튜플 -> 리스트화 [[값, 값]]
+
+for i in range(len(Plist)):
+    for j in range(len(Plist[i])):
+        Plist[i][j][1] = 0  # 극성 0으로 초기화
+
+for i in range(len(Setlist)):
+    for j in range(1, len(Setlist[i])):
+            for h in range(len(Plist[i])):
+                if Setlist[i][j][0] == Plist[i][h][0]:
+                    Plist[i][h][1] += Setlist[i][j][1] #누적치
+vert_p=[] #수직 중복 삭제
+for i in range(len(Plist)):
+    for j in range(len(Plist[i])):
+        vert_p.append(Plist[i][j]) #단어만 넣기
+#print(vert_p)
+vert_p.sort(key=lambda x:x[0]) #단어 기준으로 정렬
+for i in range(len(vert_p)-2): #단어 비교해서 같으면 누적 다르면 값 바꾸기
+    for j in range(i+1,len(vert_p)):
+        if vert_p[i][0] == vert_p[j][0]:
+            vert_p[i][1]+=vert_p[j][1]
+            vert_p[j]=['0',0]
+print(vert_p)
+vert_p=[i for i in vert_p if not '0' in i] #'0'들어간 열 제거
+df_ver= pd.DataFrame(vert_p)
+df_ver.to_excel(Stockfilename+' KNU_New_Vdic2.xlsx',sheet_name='sheet1')
+
+####키워드파일 월별로 돌려서 그 나온 결과 파일들을 합쳐서 Merge_dictionay.py에 넣어서 사전 만들기 ####
+
+

+KNU 한국어 감성사전
+
+
+작성자 : 온병원, 박상민, 나철원
+작성일 : 2018.05.11
+소속 : 군산대학교 소프트웨어융합공학과 Data Intelligence Lab
+홈페이지 : http://dilab.kunsan.ac.kr/
+
+
+<> 개요
+- 음식, 여행지, 영화, 음악, 자동차, 스마트폰, 강의, 컴퓨터 등 특정 도메인에서 사용되는 긍부정어보다는 인간의 보편적인 기본 감정 표현을 나타내는 긍부정어로 구성된다. 보편적인 긍정 표현으로는 ‘감동받다’, ‘가치 있다’, ‘감사하다’와 보편적인 부정 표현으로는 ‘그저 그렇다’, ‘도저히 ~수 없다’, ‘열 받다’ 등을 둘 수 있다.
+- 각 도메인의 감성사전을 빠르게 구축하기 위한 기초 자료로 활용하기 위해 개발되었음 
+- 본 한국어 감성사전은 다음과 같은 소스로부터 통합되어 개발되었음
+  (1) 국립국어원 표준국어대사전의 뜻풀이(glosses) 분석을 통한 긍부정 추출(이 방법을 통해 대부분의 긍부정어 추출)
+  (2) 김은영(2004)의 긍부정어 목록
+  (3) SentiWordNet 및 SenticNet-5.0에서 주로 사용되는 긍부정어 번역
+  (4) 최근 온라인에서 많이 사용되는 축약어 및 긍부정 이모티콘 목록
+- 총 14,843개의 1-gram, 2-gram, 관용구, 문형, 축약어, 이모티콘 등에 대한 긍정, 중립, 부정 판별 및 정도(degree)값 계산
+
+
+<> 특징
+- 표준국어대사전을 구성하는 각 단어의 뜻풀이를 분석하여 긍부정어를 추출하였음
+- 1-gram, 2-gram, n-gram(어구, 문형), 축약어, 이모티콘 등의 다양한 종류의 긍부정어 포함
+- 영화, 음악, 자동차 등 어떤 도메인에도 사용될 수 있는 보편적인 긍부정어로 구성
+
+
+<> 한국어 감성사전 개발 방법
+- 표준국어대사전을 구성하는 형용사, 부사, 동사, 명사의 모든 뜻풀이에 대한 긍정, 중립, 부정으로 분류하기 위해 Bi-LSTM 딥 러닝 모델 사용
+- Bi-LSTM 모델은 각 뜻풀이의 확률 값을 계산하여 최종적으로 300,000개에 달하는 뜻풀이를 긍정, 중립, 부정으로 분류하며, 긍정으로 분류된 뜻풀이 그룹에서 top-2500 긍정어 추출하며, 비슷한 방식으로 top-2500 부정어 추출 (상위 2,500개의 뜻풀이만을 대상으로 긍부정어를 찾는 이유는 2,500개 이상 넘어가면 기추출된 긍부정어들이 반복적으로 추출되기 때문)
+- 최소 3명의 평가자들이 각 단어의 긍정, 중립, 부정을 판별하고, 이의가 있을 경우 토론을 통해 합의를 이루는 방식 사용 (voting 방식)
+- 각 단어의 긍부정 판별은 (1) 매우 부정 (2) 부정 (3) 중립 (4) 긍정 (5) 매우 긍정 등 리커트 척도를 이용하여 평가자들의 합의를 통해 선택
+
+
+<> 긍부정어 통계
+-----------------------
+  긍부정어        : 단어개수
+-----------------------
+ 1-gram 긍부정어  : 6,223
+ 2-gram 긍부정어  : 7,861
+ 긍부정 어구      :   278
+ 긍부정 문형      :   253
+ 긍부정 축약어    :   174
+ 긍부정 이모티콘  :    54 
+-----------------------
+ 1-gram 긍부정어  : 6,451
+ 2-gram 긍부정어  : 8,135
+ 3-gram 긍부정어  :   226
+ 4-gram 긍부정어  :    20
+ 5-gram 긍부정어  :     5
+ 6-gram 긍부정어  :     3
+ 7-gram 긍부정어  :     2
+ 8-gram 긍부정어  :     1
+-----------------------
+ 매우 긍정        : 2,597
+ 긍    정         : 2,266
+ 중    립         :   154
+ 부    정         : 5,029
+ 매우 부정        : 4,797
+
+
+<> 사용 방법
+-  knusl.py파일 실행
+- 단어 입력을 통해 해당 단어의 행태소 및 극성 정도값 출력
+
+
+<> 참고문헌
+[1] 표준국어대사전 뜻풀이, https://github.com/mrchypark/stdkor
+[2] 긍부정 축약어,  https://ko.wikipedia.org/wiki/%EB%8C%80%ED%95%9C%EB%AF%BC%EA%B5%AD%EC%9D%98_%EC%9D%B8%ED%84%B0%EB%84%B7_%EC%8B%A0%EC%A1%B0%EC%96%B4_%EB%AA%A9%EB%A1%9D
+[3] 긍부정 이모티콘,  https://ko.wikipedia.org/wiki/%EC%9D%B4%EB%AA%A8%ED%8B%B0%EC%BD%98
+[4] SentiWordNet_3.0.0_20130122, http://sentiwordnet.isti.cnr.it/
+[5] SenticNet-5.0, http://sentic.net/
+[6] 감정단어사전0603, http://datascience.khu.ac.kr/board/bbs/board.php?bo_table=05_01&wr_id=91
+[7] 김은영, “국어 감정동사 연구”, 2004.02, 학위논문(박사) - 전남대학교 국어국문학과 대학원
+[8] 트위터 형태소 분석기, https://github.com/twitter/twitter-korean-text
\ No newline at end of file

+KNU 한국어 감성사전
+
+
+작성자 : 온병원, 박상민, 나철원
+작성일 : 2018.05.11
+소속 : 군산대학교 소프트웨어융합공학과 Data Intelligence Lab
+홈페이지 : http://dilab.kunsan.ac.kr/
+
+
+<> 개요
+- 음식, 여행지, 영화, 음악, 자동차, 스마트폰, 강의, 컴퓨터 등 특정 도메인에서 사용되는 긍부정어보다는 인간의 보편적인 기본 감정 표현을 나타내는 긍부정어로 구성된다. 보편적인 긍정 표현으로는 ‘감동받다’, ‘가치 있다’, ‘감사하다’와 보편적인 부정 표현으로는 ‘그저 그렇다’, ‘도저히 ~수 없다’, ‘열 받다’ 등을 둘 수 있다.
+- 각 도메인의 감성사전을 빠르게 구축하기 위한 기초 자료로 활용하기 위해 개발되었음 
+- 본 한국어 감성사전은 다음과 같은 소스로부터 통합되어 개발되었음
+  (1) 국립국어원 표준국어대사전의 뜻풀이(glosses) 분석을 통한 긍부정 추출(이 방법을 통해 대부분의 긍부정어 추출)
+  (2) 김은영(2004)의 긍부정어 목록
+  (3) SentiWordNet 및 SenticNet-5.0에서 주로 사용되는 긍부정어 번역
+  (4) 최근 온라인에서 많이 사용되는 축약어 및 긍부정 이모티콘 목록
+- 총 14,843개의 1-gram, 2-gram, 관용구, 문형, 축약어, 이모티콘 등에 대한 긍정, 중립, 부정 판별 및 정도(degree)값 계산
+
+
+<> 특징
+- 표준국어대사전을 구성하는 각 단어의 뜻풀이를 분석하여 긍부정어를 추출하였음
+- 1-gram, 2-gram, n-gram(어구, 문형), 축약어, 이모티콘 등의 다양한 종류의 긍부정어 포함
+- 영화, 음악, 자동차 등 어떤 도메인에도 사용될 수 있는 보편적인 긍부정어로 구성
+
+
+<> 한국어 감성사전 개발 방법
+- 표준국어대사전을 구성하는 형용사, 부사, 동사, 명사의 모든 뜻풀이에 대한 긍정, 중립, 부정으로 분류하기 위해 Bi-LSTM 딥 러닝 모델 사용
+- Bi-LSTM 모델은 각 뜻풀이의 확률 값을 계산하여 최종적으로 300,000개에 달하는 뜻풀이를 긍정, 중립, 부정으로 분류하며, 긍정으로 분류된 뜻풀이 그룹에서 top-2500 긍정어 추출하며, 비슷한 방식으로 top-2500 부정어 추출 (상위 2,500개의 뜻풀이만을 대상으로 긍부정어를 찾는 이유는 2,500개 이상 넘어가면 기추출된 긍부정어들이 반복적으로 추출되기 때문)
+- 최소 3명의 평가자들이 각 단어의 긍정, 중립, 부정을 판별하고, 이의가 있을 경우 토론을 통해 합의를 이루는 방식 사용 (voting 방식)
+- 각 단어의 긍부정 판별은 (1) 매우 부정 (2) 부정 (3) 중립 (4) 긍정 (5) 매우 긍정 등 리커트 척도를 이용하여 평가자들의 합의를 통해 선택
+
+
+<> 긍부정어 통계
+---------------------------
+  긍부정어        : 단어개수
+---------------------------
+ 1-gram 긍부정어  : 6,223
+ 2-gram 긍부정어  : 7,861
+ 긍부정 어구      :   278
+ 긍부정 문형      :   253
+ 긍부정 축약어    :   174
+ 긍부정 이모티콘  :    54 
+---------------------------
+ 1-gram 긍부정어  : 6,451
+ 2-gram 긍부정어  : 8,135
+ 3-gram 긍부정어  :   226
+ 4-gram 긍부정어  :    20
+ 5-gram 긍부정어  :     5
+ 6-gram 긍부정어  :     3
+ 7-gram 긍부정어  :     2
+ 8-gram 긍부정어  :     1
+---------------------------
+ 매우 긍정        : 2,597
+ 긍    정         : 2,266
+ 중    립         :   154
+ 부    정         : 5,029
+ 매우 부정        : 4,797
+
+
+<> 사용 방법
+- knusl.py 파일과 SentiWord_info.json 파일을 동일한 위치에 위치시키고 knusl.py파일 실행
+- 단어 입력을 통해 해당 단어의 행태소 및 극성 정도값 출력
+
+
+<> 참고문헌
+[1] 표준국어대사전 뜻풀이, https://github.com/mrchypark/stdkor
+[2] 긍부정 축약어,  https://ko.wikipedia.org/wiki/%EB%8C%80%ED%95%9C%EB%AF%BC%EA%B5%AD%EC%9D%98_%EC%9D%B8%ED%84%B0%EB%84%B7_%EC%8B%A0%EC%A1%B0%EC%96%B4_%EB%AA%A9%EB%A1%9D
+[3] 긍부정 이모티콘,  https://ko.wikipedia.org/wiki/%EC%9D%B4%EB%AA%A8%ED%8B%B0%EC%BD%98
+[4] SentiWordNet_3.0.0_20130122, http://sentiwordnet.isti.cnr.it/
+[5] SenticNet-5.0, http://sentic.net/
+[6] 감정단어사전0603, http://datascience.khu.ac.kr/board/bbs/board.php?bo_table=05_01&wr_id=91
+[7] 김은영, “국어 감정동사 연구”, 2004.02, 학위논문(박사) - 전남대학교 국어국문학과 대학원
+[8] 트위터 형태소 분석기, https://github.com/twitter/twitter-korean-text
\ No newline at end of file

+# KNU 한국어 감성사전
+# 작성자 : 온병원, 박상민, 나철원
+# 소속 : 군산대학교 소프트웨어융합공학과 Data Intelligence Lab
+# 홈페이지 : dilab.kunsan.ac.kr
+# 작성일 : 2018.05.14
+# 뜻풀이 데이터 출처 : https://github.com/mrchypark/stdkor
+# 신조어 데이터 출처 : https://ko.wikipedia.org/wiki/%EB%8C%80%ED%95%9C%EB%AF%BC%EA%B5%AD%EC%9D%98_%EC%9D%B8%ED%84%B0%EB%84%B7_%EC%8B%A0%EC%A1%B0%EC%96%B4_%EB%AA%A9%EB%A1%9D
+# 이모티콘 데이터 출처: https://ko.wikipedia.org/wiki/%EC%9D%B4%EB%AA%A8%ED%8B%B0%EC%BD%98
+# SentiWordNet_3.0.0_20130122 데이터 출처 : http://sentiwordnet.isti.cnr.it/
+# SenticNet-5.0 데이터 출처 : http://sentic.net/
+# 감정단어사전0603 데이터 출처 : http://datascience.khu.ac.kr/board/bbs/board.php?bo_table=05_01&wr_id=91 
+# 김은영, “국어 감정동사 연구”, 2004.02, 학위논문(박사) - 전남대학교 국어국문학과 대학원
+
+
+#-*-coding:utf-8-*-
+
+import json
+
+class KnuSL():
+
+	def data_list(wordname):	
+		with open('data/SentiWord_info.json', encoding='utf-8-sig', mode='r') as f:
+			data = json.load(f)
+		result = ['None','None']	
+		for i in range(0, len(data)):
+			if data[i]['word'] == wordname:
+				result.pop()
+				result.pop()
+				result.append(data[i]['word_root'])
+				result.append(data[i]['polarity'])	
+		
+		r_word = result[0]
+		s_word = result[1]
+							
+		print('어근 : ' + r_word)
+		print('극성 : ' + s_word)		
+		
+		
+		return r_word, s_word
+
+if __name__ == "__main__":
+	
+	ksl = KnuSL
+	
+	print("\nKNU 한국어 감성사전입니다~ :)")
+	print("사전에 단어가 없는 경우 결과가 None으로 나타납니다!!!")
+	print("종료하시려면 #을 입력해주세요!!!")
+	print("-2:매우 부정, -1:부정, 0:중립 or Unkwon, 1:긍정, 2:매우 긍정")
+	print("\n")	
+
+	while(True):
+		wordname = input("word : ")
+		wordname = wordname.strip(" ")		
+		if wordname != "#":
+			print(ksl.data_list(wordname))
+			print("\n")	
+				
+
+		elif wordname == "#":
+			print("\n이용해주셔서 감사합니다~ :)")
+			break

+출처
+
+1) 표준국어대사전 뜻풀이
+-> https://github.com/mrchypark/stdkor
+2) 신조어
+-> https://ko.wikipedia.org/wiki/%EB%8C%80%ED%95%9C%EB%AF%BC%EA%B5%AD%EC%9D%98_%EC%9D%B8%ED%84%B0%EB%84%B7_%EC%8B%A0%EC%A1%B0%EC%96%B4_%EB%AA%A9%EB%A1%9D
+3) 이모티콘
+-> https://ko.wikipedia.org/wiki/%EC%9D%B4%EB%AA%A8%ED%8B%B0%EC%BD%98
+4) SentiWordNet_3.0.0_20130122
+-> http://sentiwordnet.isti.cnr.it/
+5) SenticNet-5.0
+-> http://sentic.net/
+6) 감정단어사전0603
+-> http://datascience.khu.ac.kr/board/bbs/board.php?bo_table=05_01&wr_id=91 
+7) 김은영, “국어 감정동사 연구”, 2004.02, 학위논문(박사) - 전남대학교 국어국문학과 대학원
+
+
+단어 수 : 154
+극성 : 중립 or Unknown
+
+:p
+8-)
+B-)
+가까스로
+가라앉다
+가라앉지 않은
+가르침을 받아
+가리지 않고
+감싸고 달래다
+강구하다
+개회하다
+격동시키다
+격하다
+고부라지거나
+고부라지거나 비틀어지며
+골똘하게
+공격하다
+공적의
+교관하다
+굳은
+굳은 상태로
+굽히지 않는
+권세를 꺾다
+긁어
+긴절하다
+긴절히
+뉘우치다
+뉘우침
+능청스럽게
+능청스럽게 굴다
+더 필요한
+더들다
+더듬는
+더듬는 모양
+덮어 주다
+도도하게
+도도하게 행동하다
+떠들썩하게
+뜨겁다
+뜻이 강하다
+마는 둥
+마음대로
+마음대로 하다
+매우 조심스러움
+매우 조심스럽게
+머리가
+모양
+몹시 희다
+못
+미덥지
+밀려나지 않고
+바닥이 훤하게
+바라거나
+바라거나 탐내는
+바라는
+바람이 없고
+박복함
+발열과
+발열이
+배우는
+배워지고
+버릇
+버젓하지
+벅차다
+번드럽게
+번드럽다
+번지르르하게
+번지르르하게 나다
+벌을
+벌을 주다
+벙글거리며
+보고 싶거나
+부르르
+부르르하다
+분발하여
+분발하여 일어날
+붓거나 부풀었던 것이 줄어들어 본래의 모습대로 되다
+사고가
+사정을 살피다
+삼연히
+성
+성을
+성이
+성하고
+성하고 쇠함을
+소동을
+수고가
+수고가 되는
+수더분하거나
+수더분하게
+수줍다
+수줍음만
+수줍음만 타는
+순종하는 모양
+시간이 더
+쓰러뜨리다
+앙큼하다
+억척스럽고
+역사적인
+예사롭게
+오점
+우스운 말이나
+울리는 힘이
+웃기는 우스운
+웃기려고
+웃기려고 일부러
+원하다
+윽윽거리다
+윽윽대다
+윽윽하다
+익살 소설
+익살궂다
+익살극
+익살맞다
+익살배기
+익살스럽게
+익살스럽게 꾸민
+익살스럽게 대답함
+익살스럽다
+익살스레
+익살을
+익살을 많이
+익살을 부리는
+익살쟁이
+일부러 우스운
+자기에게 유리하도록
+잘못을 깨치고
+절실하게
+절실하다
+존속하다
+종횡무진
+좇다
+줄 만하다
+중간에서 화해하거나
+질기다
+탈이 없다
+탐내는
+피
+필요하고 절실하게
+필요하고 절실하다
+행동하기가
+행동하기가 조심스럽고
+행동하는
+혹하여 달뜬
+혹하여 달뜸
+희롱질하다
+희희덕거리다
+희희덕대다
+힁허케
+히들거리다
+히들히들
+히들히들하다
+힘쓰다
+반신반의하다

+# KNU 한국어 감성사전
+# 작성자 : 온병원, 박상민, 나철원
+# 소속 : 군산대학교 소프트웨어융합공학과 Data Intelligence Lab
+# 홈페이지 : dilab.kunsan.ac.kr
+# 작성일 : 2018.05.14
+# 뜻풀이 데이터 출처 : https://github.com/mrchypark/stdkor
+# 신조어 데이터 출처 : https://ko.wikipedia.org/wiki/%EB%8C%80%ED%95%9C%EB%AF%BC%EA%B5%AD%EC%9D%98_%EC%9D%B8%ED%84%B0%EB%84%B7_%EC%8B%A0%EC%A1%B0%EC%96%B4_%EB%AA%A9%EB%A1%9D
+# 이모티콘 데이터 출처: https://ko.wikipedia.org/wiki/%EC%9D%B4%EB%AA%A8%ED%8B%B0%EC%BD%98
+# SentiWordNet_3.0.0_20130122 데이터 출처 : http://sentiwordnet.isti.cnr.it/
+# SenticNet-5.0 데이터 출처 : http://sentic.net/
+# 감정단어사전0603 데이터 출처 : http://datascience.khu.ac.kr/board/bbs/board.php?bo_table=05_01&wr_id=91 
+# 김은영, “국어 감정동사 연구”, 2004.02, 학위논문(박사) - 전남대학교 국어국문학과 대학원
+
+
+#-*-coding:utf-8-*-
+
+import json
+
+class KnuSL():
+
+	def data_list(wordname):	
+		with open('../data/SentiWord_info2.json', encoding='utf-8-sig', mode='r') as f:
+			data = json.load(f)
+		result = ['None','None']	
+		for i in range(0, len(data)):
+			if data[i]['word'] == wordname:
+				result.pop()
+				result.pop()
+				result.append(data[i]['word_root'])
+				result.append(data[i]['polarity'])	
+		
+		r_word = result[0]
+		s_word = result[1]
+							
+		print('어근 : ' + r_word)
+		print('극성 : ' + s_word)		
+		
+		
+		return r_word, s_word
+
+if __name__ == "__main__":
+	
+	ksl = KnuSL
+	
+	print("\nKNU 한국어 감성사전입니다~ :)")
+	print("사전에 단어가 없는 경우 결과가 None으로 나타납니다!!!")
+	print("종료하시려면 #을 입력해주세요!!!")
+	print("-2:매우 부정, -1:부정, 0:중립 or Unkwon, 1:긍정, 2:매우 긍정")
+	print("\n")	
+
+	while(True):
+		wordname = input("word : ")
+		wordname = wordname.strip(" ")		
+		if wordname != "#":
+			print(ksl.data_list(wordname))
+			print("\n")	
+				
+
+		elif wordname == "#":
+			print("\n이용해주셔서 감사합니다~ :)")
+			break

+import warnings
+
+warnings.simplefilter(("ignore"))
+import openpyxl
+import pandas as pd
+
+# 000_KNU_New_Vdic2.xlsx 파일 넣기
+
+Stockfilefolder = input("종목시세폴더입력: ")
+Stockfilename = input("시세파일이름입력:")
+fileStock = "C:/Users/yangj/PycharmProjects/pythonProject1/뉴스키워드/" + Stockfilefolder + "/" + Stockfilename + ".xlsx"
+Stockfile = openpyxl.load_workbook(fileStock)  # 파일이름입력
+stock_ws = Stockfile.active
+Stock_data = []  # list 타입
+i = 0
+for row in stock_ws.rows:
+    Stock_data.append([])
+    for cell in row:
+        if cell.value != None:
+            Stock_data[i].append(cell.value)
+    i += 1
+del Stock_data[0]
+for i in range(len(Stock_data)):
+    del Stock_data[i][0]
+#print(Stock_data)
+
+
+vert_p = []  # 수직 중복 삭제
+for i in range(len(Stock_data)):
+   vert_p.append([])
+   for j in range(len(Stock_data[i])):
+       vert_p[i].append(Stock_data[i][j])  # 단어만 넣기
+print(vert_p)
+
+vert_p.sort(key=lambda x: x[0])  # 단어 기준으로 정렬
+for i in range(len(vert_p) - 2):  # 단어 비교해서 같으면 누적, 다르면 값 바꾸기
+   for j in range(i + 1, len(vert_p)):
+       if vert_p[i][0] == vert_p[j][0] :
+           vert_p[i][1] += vert_p[j][1]
+           vert_p[j] = ['0', 0]
+       if str.isalnum(vert_p[i][0]) == False:
+           vert_p[i] =['0', 0]
+
+vert_p = [i for i in vert_p if not '0' in i]  # '0'들어간 열 제거
+df_ver = pd.DataFrame(vert_p)
+df_ver.to_excel(Stockfilename + ' Stock_dictionary2.xlsx', sheet_name='sheet1')
+####사전 완성####

+import warnings
+warnings.simplefilter(("ignore"))
+import konlpy
+from konlpy.tag import *
+import openpyxl
+import pandas as pd
+from math import  log10
+
+#형태소분석라이브러리
+#okt = Okt()
+hannanum = Hannanum()
+#filename= input("분석할 파일이름 입력:") #파일명
+filefolder = input("종목폴더입력: ")
+filename=input("파일이름입력:")
+filepos = "C:/Users/yangj/PycharmProjects/pythonProject1/뉴스크롤링/"+filefolder+"/" + filename + ".xlsx"
+kfile = openpyxl.load_workbook(filepos)#파일이름입력
+sheet=kfile.worksheets[0]#sheet1에 있는 데이터 가죠오기
+#print(sheet)
+data=[]
+for row in sheet.rows: #data에 크롤링한 뉴스 제목들 저장
+    data.append(
+            row[1].value
+    )
+#print(data)
+#print(type(data[1])) #str
+#newData=[]
+newData2=[]
+#for i in range(len(data)):
+#    newData.append(okt.nouns(data[i])) #명사만 추출okt
+#print(newData)
+for i in range(len(data)-1):
+    newData2.append(hannanum.nouns(data[i+1])) #명사만 추출hannanum가 okt보다 성능좋음
+#print(newData2)
+#print(type(newData2))#newData2 데이터 형식은 list
+#df= pd.DataFrame.from_records(newData2)#newData2 dataframe으로 변환
+#df.to_excel(filename+'_명사추출'+'.xlsx') #파일명의 엑셀로 변환
+
+# -- TF-IDF function
+
+def f(t, d):
+    # d is document == tokens
+    return d.count(t)
+
+def tf(t, d):
+    # d is document == tokens
+    return 0.5 + 0.5*f(t,d)/max([f(w,d) for w in d])
+
+def idf(t, D):
+    # D is documents == document list
+    numerator = len(D)
+    denominator = 1 + len([ True for d in D if t in d])
+    return log10(numerator/denominator)
+
+def tfidf(t, d, D):
+    return tf(t,d)*idf(t, D)
+
+def tfidfScorer(D):
+    result = []
+    for d in D:
+        result.append([(t, tfidf(t, d, D)) for t in d] )
+    return result
+
+#newData2는 명사추출을 통해 분리되어있음
+
+if __name__ == '__main__':
+    corpus=[]
+    for i in range(len(newData2)):
+        corpus.append(newData2[i])
+    TfIf=[] #결과저장
+    for i, result in enumerate(tfidfScorer(corpus)):
+        print('====== document[%d] ======' % i)
+        print(result)
+
+        #TfIf.append(result)
+
+#df= pd.DataFrame.from_records(TfIf)#TfIf dataframe으로 변환
+#df.to_excel(filename+'_가중치추출'+'.xlsx')
\ No newline at end of file

+# KNU 한국어 감성사전
+# 작성자 : 온병원, 박상민, 나철원
+# 소속 : 군산대학교 소프트웨어융합공학과 Data Intelligence Lab
+# 홈페이지 : dilab.kunsan.ac.kr
+# 작성일 : 2018.05.14
+# 뜻풀이 데이터 출처 : https://github.com/mrchypark/stdkor
+# 신조어 데이터 출처 : https://ko.wikipedia.org/wiki/%EB%8C%80%ED%95%9C%EB%AF%BC%EA%B5%AD%EC%9D%98_%EC%9D%B8%ED%84%B0%EB%84%B7_%EC%8B%A0%EC%A1%B0%EC%96%B4_%EB%AA%A9%EB%A1%9D
+# 이모티콘 데이터 출처: https://ko.wikipedia.org/wiki/%EC%9D%B4%EB%AA%A8%ED%8B%B0%EC%BD%98
+# SentiWordNet_3.0.0_20130122 데이터 출처 : http://sentiwordnet.isti.cnr.it/
+# SenticNet-5.0 데이터 출처 : http://sentic.net/
+# 감정단어사전0603 데이터 출처 : http://datascience.khu.ac.kr/board/bbs/board.php?bo_table=05_01&wr_id=91 
+# 김은영, “국어 감정동사 연구”, 2004.02, 학위논문(박사) - 전남대학교 국어국문학과 대학원
+
+
+#-*-coding:utf-8-*-
+
+import json
+
+class KnuSL():
+
+	def data_list(wordname):	
+		with open('data/SentiWord_info.json', encoding='utf-8-sig', mode='r') as f:
+			data = json.load(f)
+		result = ['None','None']	
+		for i in range(0, len(data)):
+			if data[i]['word'] == wordname:
+				result.pop()
+				result.pop()
+				result.append(data[i]['word_root'])
+				result.append(data[i]['polarity'])	
+		
+		r_word = result[0]
+		s_word = result[1]
+							
+		print('어근 : ' + r_word)
+		print('극성 : ' + s_word)		
+		
+		
+		return r_word, s_word
+
+if __name__ == "__main__":
+	
+	ksl = KnuSL
+	
+	print("\nKNU 한국어 감성사전입니다~ :)")
+	print("사전에 단어가 없는 경우 결과가 None으로 나타납니다!!!")
+	print("종료하시려면 #을 입력해주세요!!!")
+	print("-2:매우 부정, -1:부정, 0:중립 or Unkwon, 1:긍정, 2:매우 긍정")
+	print("\n")	
+
+	while(True):
+		wordname = input("word : ")
+		wordname = wordname.strip(" ")		
+		if wordname != "#":
+			print(ksl.data_list(wordname))
+			print("\n")	
+				
+
+		elif wordname == "#":
+			print("\n이용해주셔서 감사합니다~ :)")
+			break

+# -*-coding:utf-8-*-
+import collections
+import json
+
+import warnings
+
+warnings.simplefilter(("ignore"))
+import openpyxl
+import pandas as pd
+import re
+from datetime import datetime
+
+########코스피 감성 판단
+class KnuSL():
+
+    def data_list(wordname):
+        with open('KnuSentiLex/data/SentiWord_info.json', encoding='utf-8-sig', mode='r') as f:
+            data = json.load(f)
+            result = [0, 0]
+
+        for i in range(0, len(data)):
+            if data[i]['word'] == wordname:
+                result.pop()
+                result.pop()
+                result.append(data[i]['word_root'])
+                result.append(int(data[i]['polarity']))
+
+        r_word = result[0]  # 어근
+        s_word = result[1]  # 극성
+
+        return s_word
+
+
+if __name__ == "__main__":
+    ksl = KnuSL
+
+    print("\nKNU 한국어 감성사전입니다~ :)")
+    print("사전에 단어가 없는 경우 결과가 None으로 나타납니다!!!")
+    print("종료하시려면 #을 입력해주세요!!!")
+    print("-2:매우 부정, -1:부정, 0:중립 or Unkwon, 1:긍정, 2:매우 긍정")
+    print("\n")
+#########
+Newsfilefolder = input("종목폴더입력: ")
+Newsfilename = input("파일이름입력:")
+Newsfilepos = "C:/Users/yangj/PycharmProjects/pythonProject1/뉴스키워드/" + Newsfilefolder + "/" + Newsfilename + ".xlsx"
+Newsfile = openpyxl.load_workbook(Newsfilepos)  # 파일이름입력
+ws = Newsfile.active
+data = []
+date = []
+i = 0
+for row in ws.rows:
+    data.append([])
+    date.append(row[1].value)
+    for cell in row:
+        if cell.value != None:
+            data[i].append(cell.value)
+    i += 1
+del data[0]  # 첫번째 의미없는 열 삭제
+del date[0]
+for i in range(len(data)):
+    del data[i][0]  # 각 열의 첫번째 행 삭제
+for i in range(len(data)):
+    del data[i][0]  # 각 열의 날짜 행 삭제
+
+KNUdata = []
+Tdata = []
+
+for x in range(len(data)):
+    KNUdata.append([])
+    Tdata.append([])
+    for y in range(len(data[x])):
+        KNUdata[x].append(ksl.data_list(data[x][y]))
+        Tdata[x].append([data[x][y], KNUdata[x][y]])
+
+result = {'날짜': date, '단어, 극성': Tdata}
+
+df = pd.DataFrame(result)
+
+list_df = df.values.tolist()  # dataframe list로 변경
+new_date = []  # 날짜 중복 삭제
+for v in date:
+    if v not in new_date:
+        new_date.append(v)
+# print(new_date)
+
+Setlist = []  # 날짜별 키워드 넣기
+for v in range(len(new_date)):
+    Setlist.append([])
+    Setlist[v].append(new_date[v])
+    for i in range(len(list_df)):
+        for j in range(len(list_df[i][1])):
+            if new_date[v] == list_df[i][0]:
+                Setlist[v].append(list_df[i][1][j])
+
+Stockfilefolder = input("종목시세폴더입력: ")
+Stockfilename = input("시세파일이름입력:")
+fileStock = "C:/Users/yangj/PycharmProjects/pythonProject1/종목별시세/" + Stockfilefolder + "/" + Stockfilename + ".xlsx"
+Stockfile = openpyxl.load_workbook(fileStock)  # 파일이름입력
+stock_ws = Stockfile.active
+Stock_data = []  # list 타입
+i = 0
+for row in stock_ws.rows:
+    Stock_data.append([])
+    for cell in row:
+        if cell.value != None:
+            Stock_data[i].append(cell.value)
+    i += 1
+del Stock_data[0]
+for i in range(len(Stock_data)):
+    del Stock_data[i][2]  # 대비 삭제
+for i in range(len(Stock_data)):
+    del Stock_data[i][7]  # 거래대금 삭제
+for i in range(len(Stock_data)):
+    del Stock_data[i][7]  # 시가 총액 삭제
+
+
+i = 0
+for k in range(len(Setlist)):
+    if (Stock_data[i][0].split('/') == Setlist[k][0].split('.')[:3]):  # 날짜 비교 날짜가 같다면
+       if Stock_data[i][2] > 0:  # 코스피 등락이 양수
+                for j in range(1, len(Setlist[k])):
+                    if Setlist[k][j][1] == 0:
+                        Setlist[k][j][1] = 1
+                    else:
+                        Setlist[k][j][1] += 1
+       elif Stock_data[i][2] < 0:
+            for j in range(1, len(Setlist[k])):  # 음수면 어제 뉴스는 악재 취급
+                  if Setlist[k][j][1] == 0:
+                     Setlist[k][j][1] = -1
+                  else:
+                     Setlist[k][j][1] -= 1
+       i += 1
+    else:
+       if Stock_data[i+1][2] > 0:  # 다음날 주가 등락률이 양수면
+               for j in range(1, len(Setlist[k])):  # 어제뉴스는 호재 취급
+                   if Setlist[k][j][1] == 0:
+                       Setlist[k][j][1] = 1
+                   else:
+                       Setlist[k][j][1] += 1
+       elif Stock_data[i+1][2] < 0:
+               for j in range(1, len(Setlist[k])):  # 음수면 어제 뉴스는 악재 취급
+                   if Setlist[k][j][1] == 0:
+                       Setlist[k][j][1] = -1
+                   else:
+                       Setlist[k][j][1] -= 1
+
+Setlist_w = []
+for i in range(len(Setlist)):
+   Setlist_w.append([])
+   for j in range(1, len(Setlist[i])):
+       Setlist_w[i].append(Setlist[i][j][0])  # 극성 제외 단어만 추출
+
+counter = {}
+for i in range(len(Setlist_w)):
+   counter[i] = collections.Counter(Setlist_w[i])  # 누적치
+
+for i in range(len(Setlist_w)):
+   Setlist_w[i] = list(zip(counter[i].keys(), counter[i].values()))  # 튜플 리스트화 [(값, 값)]
+
+Plist = []
+for i in range(len(Setlist_w)):
+   Plist.append([])
+   for j in range(len(Setlist_w[i])):
+       Plist[i].append(list(Setlist_w[i][j]))  # 튜플 -> 리스트화 [[값, 값]]
+
+for i in range(len(Plist)):
+   for j in range(len(Plist[i])):
+       Plist[i][j][1] = 0  # 극성 0으로 초기화
+
+for i in range(len(Setlist)):
+   for j in range(1, len(Setlist[i])):
+       for h in range(len(Plist[i])):
+           if Setlist[i][j][0] == Plist[i][h][0]:
+               Plist[i][h][1] += Setlist[i][j][1]  # 누적치
+vert_p = []  # 수직 중복 삭제
+for i in range(len(Plist)):
+   for j in range(len(Plist[i])):
+       vert_p.append(Plist[i][j])  # 단어만 넣기
+# print(vert_p)
+vert_p.sort(key=lambda x: x[0])  # 단어 기준으로 정렬
+for i in range(len(vert_p) - 2):  # 단어 비교해서 같으면 누적 다르면 값 바꾸기
+   for j in range(i + 1, len(vert_p)):
+       if vert_p[i][0] == vert_p[j][0]:
+           vert_p[i][1] += vert_p[j][1]
+           vert_p[j] = ['0', 0]
+
+vert_p = [i for i in vert_p if not '0' in i]  # '0'들어간 열 제거
+df_ver = pd.DataFrame(vert_p)
+df_ver.to_excel(Stockfilename + ' KNU_New_vdic2.xlsx', sheet_name='sheet1')

+출처
+
+1) 표준국어대사전 뜻풀이
+-> https://github.com/mrchypark/stdkor
+2) 신조어
+-> https://ko.wikipedia.org/wiki/%EB%8C%80%ED%95%9C%EB%AF%BC%EA%B5%AD%EC%9D%98_%EC%9D%B8%ED%84%B0%EB%84%B7_%EC%8B%A0%EC%A1%B0%EC%96%B4_%EB%AA%A9%EB%A1%9D
+3) 이모티콘
+-> https://ko.wikipedia.org/wiki/%EC%9D%B4%EB%AA%A8%ED%8B%B0%EC%BD%98
+4) SentiWordNet_3.0.0_20130122
+-> http://sentiwordnet.isti.cnr.it/
+5) SenticNet-5.0
+-> http://sentic.net/
+6) 감정단어사전0603
+-> http://datascience.khu.ac.kr/board/bbs/board.php?bo_table=05_01&wr_id=91 
+7) 김은영, “국어 감정동사 연구”, 2004.02, 학위논문(박사) - 전남대학교 국어국문학과 대학원
+
+
+단어 수 : 154
+극성 : 중립 or Unknown
+
+:p
+8-)
+B-)
+가까스로
+가라앉다
+가라앉지 않은
+가르침을 받아
+가리지 않고
+감싸고 달래다
+강구하다
+개회하다
+격동시키다
+격하다
+고부라지거나
+고부라지거나 비틀어지며
+골똘하게
+공격하다
+공적의
+교관하다
+굳은
+굳은 상태로
+굽히지 않는
+권세를 꺾다
+긁어
+긴절하다
+긴절히
+뉘우치다
+뉘우침
+능청스럽게
+능청스럽게 굴다
+더 필요한
+더들다
+더듬는
+더듬는 모양
+덮어 주다
+도도하게
+도도하게 행동하다
+떠들썩하게
+뜨겁다
+뜻이 강하다
+마는 둥
+마음대로
+마음대로 하다
+매우 조심스러움
+매우 조심스럽게
+머리가
+모양
+몹시 희다
+못
+미덥지
+밀려나지 않고
+바닥이 훤하게
+바라거나
+바라거나 탐내는
+바라는
+바람이 없고
+박복함
+발열과
+발열이
+배우는
+배워지고
+버릇
+버젓하지
+벅차다
+번드럽게
+번드럽다
+번지르르하게
+번지르르하게 나다
+벌을
+벌을 주다
+벙글거리며
+보고 싶거나
+부르르
+부르르하다
+분발하여
+분발하여 일어날
+붓거나 부풀었던 것이 줄어들어 본래의 모습대로 되다
+사고가
+사정을 살피다
+삼연히
+성
+성을
+성이
+성하고
+성하고 쇠함을
+소동을
+수고가
+수고가 되는
+수더분하거나
+수더분하게
+수줍다
+수줍음만
+수줍음만 타는
+순종하는 모양
+시간이 더
+쓰러뜨리다
+앙큼하다
+억척스럽고
+역사적인
+예사롭게
+오점
+우스운 말이나
+울리는 힘이
+웃기는 우스운
+웃기려고
+웃기려고 일부러
+원하다
+윽윽거리다
+윽윽대다
+윽윽하다
+익살 소설
+익살궂다
+익살극
+익살맞다
+익살배기
+익살스럽게
+익살스럽게 꾸민
+익살스럽게 대답함
+익살스럽다
+익살스레
+익살을
+익살을 많이
+익살을 부리는
+익살쟁이
+일부러 우스운
+자기에게 유리하도록
+잘못을 깨치고
+절실하게
+절실하다
+존속하다
+종횡무진
+좇다
+줄 만하다
+중간에서 화해하거나
+질기다
+탈이 없다
+탐내는
+피
+필요하고 절실하게
+필요하고 절실하다
+행동하기가
+행동하기가 조심스럽고
+행동하는
+혹하여 달뜬
+혹하여 달뜸
+희롱질하다
+희희덕거리다
+희희덕대다
+힁허케
+히들거리다
+히들히들
+히들히들하다
+힘쓰다
+반신반의하다