워드클라우드 제일 큰 단어, 진짜 1등 아닌 이유
워드클라우드에서 화면 한가운데 가장 큰 글씨로 뜬 단어가, 사실은 텍스트에서 가장 많이 나온 단어가 아닐 수 있습니다. 불용어 목록에 걸러진 단어, 최소 길이 제한에 잘린 단어, 캔버스 공간이 부족해 아예 그려지지 않은 단어가 그 사이에 숨어 있기 때문입니다. 이 글은 워드클라우드 생성 도구가 어떤 순서로 단어를 거르고 크기를 정하는지 코드 기준으로 설명합니다.
요약 ① 불용어·최소 길이 필터가 빈도를 계산하기 전에 단어를 먼저 걸러냅니다 ② 글자 크기는 로그가 아니라 최댓값·최솟값 사이의 선형 비율로 정해집니다 ③ 배치 공간이 부족하면 빈도가 높아도 화면에서 통째로 빠질 수 있습니다
문제
뉴스 기사나 회의록을 워드클라우드에 붙여넣으면 특정 단어가 유독 크게 나옵니다. 그런데 같은 텍스트를 Ctrl+F로 검색해서 실제 등장 횟수를 세어보면, 화면에서 제일 크게 보인 단어보다 더 많이 나온 단어가 따로 있는 경우가 있습니다.
이런 차이는 도구가 잘못 작동해서가 아니라, 빈도를 세기 전에 이미 여러 단계의 필터와 변환을 거치기 때문에 생깁니다. 어떤 단어가 왜 빠지거나 작아지는지 그 순서를 알아야 결과를 제대로 해석할 수 있습니다.
해결
실제 순위를 확인하는 가장 확실한 방법은 도구가 적용하는 규칙을 그대로 손으로 재현해 보는 것입니다. 다음 순서를 따라가면 화면에 뜬 크기와 실제 빈도를 비교할 수 있습니다.
- 텍스트를 전부 소문자로 바꿉니다. 영문 대소문자를 구분하지 않고 합산하므로 "AI"와 "ai"는 같은 단어로 취급됩니다.
- 숫자와 문장부호를 공백으로 바꿉니다. 하이픈이나 슬래시로 이어진 합성어는 이 단계에서 둘로 쪼개집니다.
- 공백 기준으로 단어를 나누고, 지정한 최소 길이보다 짧은 단어와 불용어 목록에 있는 단어를 제외합니다.
- 남은 단어의 등장 횟수를 세고 많은 순으로 정렬합니다.
이 네 단계를 문서 편집기나 표 계산 프로그램에서 그대로 따라 하면, 화면에 크게 보인 단어가 실제로 1위인지 손으로 확인할 수 있습니다. 특히 3번 단계에서 조사나 접속사가 불용어 목록에 없으면 실제 의미와 무관하게 크게 나올 수 있다는 점을 주의해야 합니다.
이렇게 걸러진 단어 목록에 대해 도구는 로그 스케일이 아니라 선형 비례로 글자 크기를 정합니다. 가장 많이 나온 단어와 가장 적게 나온 단어의 등장 횟수 차이를 기준으로, 그 사이 비율만큼 최소 14px에서 최대 60px 사이로 글자 크기를 배정합니다. 그래서 특정 단어 하나만 유독 많이 나온 텍스트라면, 나머지 단어는 실제 빈도 차이가 있어도 화면에서는 거의 비슷한 크기로 작게 보일 수 있습니다.
크기가 정해진 다음에는 배치 순서 문제가 남습니다. 빈도가 높은 단어부터 캔버스 중앙에서 나선형으로 자리를 찾고, 겹치는 자리를 피해 최대 400번까지 위치를 옮겨봅니다. 400번 안에 빈 자리를 찾지 못한 단어는 화면에 아예 그려지지 않고 조용히 빠지는데, 최대 표시 단어 수를 높게 설정했을 때 이 현상이 자주 나타납니다.
저희 도구로 직접 텍스트를 넣어 어떤 단어가 어떤 크기로 배치되는지 확인해 보세요.
텍스트를 붙여넣고 단어별 크기가 어떻게 배정되는지 직접 확인해 보세요.
자주 막히는 지점
| 현상 | 원인 |
|---|---|
| 조사·접속사가 크게 나옴 | 최소 단어 길이가 낮거나 해당 단어가 불용어 목록에 빠져 있음 |
| 자주 쓴 단어가 안 보임 | 기본 불용어 목록(예: "것", "등", "관련")에 포함돼 자동 제외됨 |
| 합성어가 둘로 쪼개짐 | 문장부호 제거 규칙이 하이픈·슬래시도 공백으로 바꿈 |
| 최대 단어 수를 늘려도 안 보이는 단어가 있음 | 캔버스 안에서 자리를 못 찾아 400회 시도 후 제외됨 |
| 다시 생성할 때마다 색만 바뀜 | 배치 위치는 동일하지만 색상은 매번 무작위로 다시 배정됨 |
| 영문 단어가 대소문자 구분 없이 합쳐짐 | 전체 텍스트를 소문자로 통일한 뒤 빈도를 셈 |
정리
화면에서 가장 큰 글씨가 항상 실제 빈도 1위는 아닙니다. 불용어와 최소 길이 필터, 선형 크기 정규화, 나선형 배치의 400회 시도 제한이 차례로 작동한 결과이기 때문입니다. 순위를 정확히 알고 싶다면 필터링 규칙을 손으로 재현해 비교하고, 화면 결과는 시각적 강조 정도로 참고하는 편이 안전합니다.
텍스트를 붙여넣고 단어별 크기가 어떻게 배정되는지 직접 확인해 보세요.
자주 묻는 질문
특정 단어가 화면에 아예 안 나와요
불용어 목록에 포함돼 있거나, 최소 단어 길이보다 짧거나, 캔버스 안에서 자리를 찾지 못해 400번 시도 후 제외됐을 가능성이 있습니다. 불용어 입력창에서 해당 단어가 목록에 들어있는지 먼저 확인해 보세요.
같은 텍스트로 다시 생성했는데 크기와 위치가 달라졌어요
글자 크기와 배치 위치는 같은 텍스트라면 동일하게 계산됩니다. 다만 각 단어의 색상은 생성할 때마다 테마 팔레트 안에서 무작위로 다시 뽑히므로 색만 달라 보일 수 있습니다.
색상 테마를 바꾸면 생성 버튼을 다시 눌러야 하나요
아닙니다. 이미 한 번 생성한 뒤에는 테마를 바꾸는 즉시 같은 텍스트로 자동으로 다시 그려집니다.