Seq2Seq_Chatbot_의류.ipynb

{
  "nbformat": 4,
  "nbformat_minor": 0,
  "metadata": {
    "kernelspec": {
      "display_name": "Python 3",
      "language": "python",
      "name": "python3"
    },
    "language_info": {
      "codemirror_mode": {
        "name": "ipython",
        "version": 3
      },
      "file_extension": ".py",
      "mimetype": "text/x-python",
      "name": "python",
      "nbconvert_exporter": "python",
      "pygments_lexer": "ipython3",
      "version": "3.6.5"
    },
    "colab": {
      "name": "Seq2Seq_Chatbot_의류.ipynb",
      "provenance": [],
      "collapsed_sections": [],
      "machine_shape": "hm"
    },
    "accelerator": "GPU"
  },
  "cells": [
    {
      "cell_type": "code",
      "metadata": {
        "id": "Une6bYuSo1oW"
      },
      "source": [
        "!pip install konlpy"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "1DAFy5c7ydzC"
      },
      "source": [
        "from keras import models\n",
        "from keras import layers\n",
        "from keras import optimizers, losses, metrics\n",
        "from keras import preprocessing\n",
        "\n",
        "import numpy as np\n",
        "import pandas as pd\n",
        "import matplotlib.pyplot as plt\n",
        "import os\n",
        "import re\n",
        "\n",
        "from konlpy.tag import Okt"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "pC7BFWmDydzF"
      },
      "source": [
        "Seq2Seq에서의 임베딩이 이전 예제와 다른 점은 아래와 같이 태그를 사용한다는 것입니다. 임베딩의 0~3번째에 각각 PADDING, START, END, OOV 태그를 넣습니다. 사실 그냥 똑같은 단어라고 보시면 됩니다. 다만 이 단어들이 Seq2Seq의 동작을 제어합니다. \n",
        "\n",
        "예를 들어, 디코더 입력에 START가 들어가면 디코딩의 시작을 의미합니다. 반대로 디코더 출력에 END가 나오면 디코딩을 종료합니다.\n",
        "<br>\n",
        "<br>\n",
        "<br>"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "P9YUdE1OydzG"
      },
      "source": [
        "# 태그 단어\n",
        "PAD = \"<PADDING>\"   # 패딩\n",
        "STA = \"<START>\"     # 시작\n",
        "END = \"<END>\"       # 끝\n",
        "OOV = \"<OOV>\"       # 없는 단어(Out of Vocabulary)\n",
        "\n",
        "# 태그 인덱스\n",
        "PAD_INDEX = 0\n",
        "STA_INDEX = 1\n",
        "END_INDEX = 2\n",
        "OOV_INDEX = 3\n",
        "\n",
        "# 데이터 타입\n",
        "ENCODER_INPUT  = 0\n",
        "DECODER_INPUT  = 1\n",
        "DECODER_TARGET = 2\n",
        "\n",
        "# 한 문장에서 단어 시퀀스의 최대 개수\n",
        "max_sequences = 30\n",
        "\n",
        "# 임베딩 벡터 차원\n",
        "embedding_dim = 100\n",
        "\n",
        "# LSTM 히든레이어 차원\n",
        "lstm_hidden_dim = 128\n",
        "\n",
        "# 정규 표현식 필터\n",
        "RE_FILTER = re.compile(\"[.,!?\\\"':;~()]\")"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "80IauV0FpUv2",
        "outputId": "26860f61-1e94-4783-d3f5-60881507df64",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 34
        }
      },
      "source": [
        "from google.colab import drive\n",
        "drive.mount('/content/drive')"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Mounted at /content/drive\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "NEHDnPXNzZlM",
        "outputId": "8129af83-4838-4624-bcbd-eacd0c493bad",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 52
        }
      },
      "source": [
        "wear_data = pd.read_csv(\"/content/drive/My Drive/wear.csv\")\n",
        "print(wear_data.shape)\n",
        "customer = wear_data[wear_data.SPEAKER == \"고객\"].SENTENCE\n",
        "store = wear_data[wear_data.SPEAKER == \"점원\"].SENTENCE\n",
        "print(customer.shape, store.shape) # 질문의 개수와 답의 개수가 일치하지 않는다."
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "(15826, 20)\n",
            "(8381,) (7445,)\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "FLNSiqcHM4WY",
        "outputId": "71897173-3b31-4f42-bb54-79efcd9ffd01",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 87
        }
      },
      "source": [
        "prev = \"고객\"\n",
        "store_arr = []\n",
        "customer_arr = []\n",
        "store_stc = \"\"\n",
        "customer_stc = \"\"\n",
        "\n",
        "for i in range(wear_data.shape[0]):\n",
        "    if (prev == wear_data.iloc[i].SPEAKER):\n",
        "        if prev == \"점원\":\n",
        "             store_stc += (\" \"+wear_data.iloc[i].SENTENCE)\n",
        "        else : \n",
        "            customer_stc += (\" \"+wear_data.iloc[i].SENTENCE)\n",
        "            \n",
        "    elif prev == \"점원\":\n",
        "        store_arr.append(store_stc)\n",
        "        customer_stc = wear_data.iloc[i].SENTENCE\n",
        "        prev = \"고객\"\n",
        "    else :\n",
        "        customer_arr.append(customer_stc)\n",
        "        store_stc = wear_data.iloc[i].SENTENCE\n",
        "        prev = \"점원\"\n",
        "\n",
        "print(len(store_arr))\n",
        "print(len(customer_arr))\n",
        "print(store_arr[-1])\n",
        "print(customer_arr[-1]) # 자료 상에서 이후에는 계속 고객의 물음만 계속된다. 코드 레벨에서 이 부분은 빼게 구현했다. (stc는 만들어지지만 arr에 append 안하게 된다.)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "7301\n",
            "7301\n",
            "요즘 파스텔 톤이 유행이에요\n",
            "요즘 유행하는 색깔이 뭐예요?\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "WNvig2FMzjXj"
      },
      "source": [
        "question = []\n",
        "answer = []\n",
        "\n",
        "for Q in customer_arr:\n",
        "    question.append(Q.replace(\"[^\\w]\", \" \"))\n",
        "\n",
        "for A in store_arr:\n",
        "    answer.append(A.replace(\"[^\\w]\", \" \"))\n",
        "\n",
        "len(question), len(answer)"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "90yyqX2NydzM"
      },
      "source": [
        "<br>\n",
        "<br>\n",
        "# 단어 사전 생성"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "qbivSckMydzN"
      },
      "source": [
        "# 형태소분석 함수\n",
        "def pos_tag(sentences):\n",
        "    \n",
        "    # KoNLPy 형태소분석기 설정\n",
        "    tagger = Okt()\n",
        "    \n",
        "    # 문장 품사 변수 초기화\n",
        "    sentences_pos = []\n",
        "    \n",
        "    # 모든 문장 반복\n",
        "    for sentence in sentences:\n",
        "        # 특수기호 제거\n",
        "        sentence = re.sub(RE_FILTER, \"\", sentence)\n",
        "        \n",
        "        # 배열인 형태소분석의 출력을 띄어쓰기로 구분하여 붙임\n",
        "        sentence = \" \".join(tagger.morphs(sentence))\n",
        "        sentences_pos.append(sentence)\n",
        "        \n",
        "    return sentences_pos"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "4seqSNWcydzP",
        "outputId": "ce050105-bb79-4eab-f736-6bde55980478",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 545
        }
      },
      "source": [
        "# 형태소분석 수행\n",
        "question = pos_tag(question)\n",
        "answer = pos_tag(answer)\n",
        "\n",
        "# 형태소분석으로 변환된 챗봇 데이터 출력\n",
        "for i in range(5):\n",
        "    print('Q : ' + question[i])\n",
        "    print('A : ' + answer[i])\n",
        "    print()\n"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Q : 신발 은 여기 있는 게 다예 요\n",
            "A : 네 성인 이나 아동 다 있어요 발 사이즈 몇 신으세요\n",
            "\n",
            "Q : 230 이요\n",
            "A : 편하게 신 을 수 있는 거 찾으세요\n",
            "\n",
            "Q : 네 봄 이니까 편하게 신 을 수 있는 거\n",
            "A : 이런 건 어떠세요 이런 거도 신발 무척 편하거든요\n",
            "\n",
            "Q : 굽 좀 높은 거 없나요\n",
            "A : 봄 상품 은 아직 어른 제품 이 많이 안 나왔습니다\n",
            "\n",
            "Q : 언제 들어와요\n",
            "A : 이번 주 지나면 들어올 거 예요\n",
            "\n",
            "Q : 이 거 는 가죽 이에요\n",
            "A : 가죽 아니고 쎄 무예 요\n",
            "\n",
            "Q : 가죽 은 얼마 예요\n",
            "A : 2만 9천 원 입니다\n",
            "\n",
            "Q : 털 달린 거 저 거 는 사이즈 있어요\n",
            "A : 230 이 없어요 이 거 한 번 신어 보세요\n",
            "\n",
            "Q : 좀 크네 또 안 들어와요\n",
            "A : 네 이건 다 끝났어요\n",
            "\n",
            "Q : 가방 매는 거 보고 있어요\n",
            "A : 여기 있어요\n",
            "\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "Yrnct_nzydzR"
      },
      "source": [
        "# 질문과 대답 문장들을 하나로 합침\n",
        "sentences = []\n",
        "sentences.extend(question)\n",
        "sentences.extend(answer)\n",
        "\n",
        "words = []\n",
        "\n",
        "# 단어들의 배열 생성\n",
        "for sentence in sentences:\n",
        "    for word in sentence.split():\n",
        "        words.append(word)\n",
        "\n",
        "# 길이가 0인 단어는 삭제\n",
        "words = [word for word in words if len(word) > 0]\n",
        "\n",
        "# 중복된 단어 삭제\n",
        "words = list(set(words))\n",
        "\n",
        "# 제일 앞에 태그 단어 삽입\n",
        "words[:0] = [PAD, STA, END, OOV]"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "fE9ZhJpEy_rT",
        "outputId": "c8755f62-cf70-4204-834a-4f9da61a000b",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 34
        }
      },
      "source": [
        "print(\"손님과 점원의 말에서 사용된 총 단어의 수 :\",len(words))"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "손님과 점원의 말에서 사용된 총 단어의 수 : 6403\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "i0jXcjybydzV",
        "outputId": "0a4a9003-75d2-44cc-c79c-c5ab15cc160f",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 369
        }
      },
      "source": [
        "# 단어 출력\n",
        "words[:20]\n"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "['<PADDING>',\n",
              " '<START>',\n",
              " '<END>',\n",
              " '<OOV>',\n",
              " '나왔나요',\n",
              " '있죠',\n",
              " '적합한게',\n",
              " '금지',\n",
              " '가능해요',\n",
              " '된건데',\n",
              " '국제',\n",
              " '있어서요',\n",
              " '받을수있는건',\n",
              " '있다가',\n",
              " '되겠다',\n",
              " '파손',\n",
              " '아프나요',\n",
              " '파커',\n",
              " '나왔네요',\n",
              " '팔꿈치']"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 16
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "AkvyOnSvydzX"
      },
      "source": [
        "# 단어와 인덱스의 딕셔너리 생성\n",
        "word_to_index = {word: index for index, word in enumerate(words)}\n",
        "index_to_word = {index: word for index, word in enumerate(words)}"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "92gmrtEz3l5R",
        "outputId": "b8cf6690-206a-451e-8cfe-1b056fb9f459",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 1000
        }
      },
      "source": [
        "word_to_index"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "{'<PADDING>': 0,\n",
              " '<START>': 1,\n",
              " '<END>': 2,\n",
              " '<OOV>': 3,\n",
              " '다니기': 4,\n",
              " '그렇치요': 5,\n",
              " '나오긴': 6,\n",
              " '빠지면': 7,\n",
              " '솜': 8,\n",
              " '비슷하지': 9,\n",
              " '골고루': 10,\n",
              " '롱패딩': 11,\n",
              " '신다': 12,\n",
              " '튀는것': 13,\n",
              " '우리나라': 14,\n",
              " '클까': 15,\n",
              " '다른데요': 16,\n",
              " '둘러보겠습니다': 17,\n",
              " '행사': 18,\n",
              " '20000원': 19,\n",
              " '무역': 20,\n",
              " '브로': 21,\n",
              " '어둡나요': 22,\n",
              " '겨자': 23,\n",
              " '가요': 24,\n",
              " '않나요': 25,\n",
              " '화': 26,\n",
              " '하는데': 27,\n",
              " '무늬': 28,\n",
              " '하더라': 29,\n",
              " '봐야': 30,\n",
              " '따': 31,\n",
              " '두었습니다': 32,\n",
              " '껴': 33,\n",
              " '받이': 34,\n",
              " '맞추시려면은': 35,\n",
              " '도리': 36,\n",
              " '편': 37,\n",
              " '폭': 38,\n",
              " '나오는데': 39,\n",
              " '가위': 40,\n",
              " '잘나가거든요': 41,\n",
              " '입어주세요': 42,\n",
              " '닫으세요': 43,\n",
              " '개인': 44,\n",
              " '나서': 45,\n",
              " '창': 46,\n",
              " '나오는': 47,\n",
              " '심한데': 48,\n",
              " '곳': 49,\n",
              " '다니는데': 50,\n",
              " '어떡해요': 51,\n",
              " '조명': 52,\n",
              " '이왕이면': 53,\n",
              " '나오지요': 54,\n",
              " '있더라고요': 55,\n",
              " '옥': 56,\n",
              " '사십이': 57,\n",
              " '감사해요': 58,\n",
              " '낫긴': 59,\n",
              " '에다가': 60,\n",
              " '입기': 61,\n",
              " '어울리시네요': 62,\n",
              " '아이고': 63,\n",
              " '찍이가': 64,\n",
              " '신으려면': 65,\n",
              " '가능하시고요': 66,\n",
              " 'SS': 67,\n",
              " '98000원': 68,\n",
              " '큰': 69,\n",
              " '공기': 70,\n",
              " '흰': 71,\n",
              " '밑창': 72,\n",
              " '약간': 73,\n",
              " '하셨는데요': 74,\n",
              " '전자': 75,\n",
              " '들어가야겠다': 76,\n",
              " '반대편': 77,\n",
              " '일제': 78,\n",
              " '2만원': 79,\n",
              " '지워주세요': 80,\n",
              " '새거로': 81,\n",
              " '녹슬지': 82,\n",
              " '효도': 83,\n",
              " '아니라서': 84,\n",
              " '특별한': 85,\n",
              " '메고': 86,\n",
              " '아니다': 87,\n",
              " '놓은': 88,\n",
              " '무겁네요': 89,\n",
              " '넣어서': 90,\n",
              " '짧게': 91,\n",
              " '신는데요': 92,\n",
              " '낄': 93,\n",
              " '이윤': 94,\n",
              " '맞아서': 95,\n",
              " '15만': 96,\n",
              " '봅시다': 97,\n",
              " '베이지': 98,\n",
              " '있지만': 99,\n",
              " '널': 100,\n",
              " '보겠습니다': 101,\n",
              " '사도': 102,\n",
              " '덧신': 103,\n",
              " '드는데요': 104,\n",
              " '볼수있나요': 105,\n",
              " '피잖아요': 106,\n",
              " '여러': 107,\n",
              " '짜리예요': 108,\n",
              " '그렇죠': 109,\n",
              " '야할': 110,\n",
              " '보내주세요': 111,\n",
              " '상관': 112,\n",
              " '않고도': 113,\n",
              " '달려요': 114,\n",
              " '남여': 115,\n",
              " '해보겠습니다': 116,\n",
              " '덮습니다': 117,\n",
              " '무는': 118,\n",
              " '입어지실거예요': 119,\n",
              " '보여줄게요': 120,\n",
              " '핸드폰': 121,\n",
              " '가볍고요': 122,\n",
              " '가까운': 123,\n",
              " '흠집': 124,\n",
              " '다르게': 125,\n",
              " '장식': 126,\n",
              " '안됩니다': 127,\n",
              " '가가': 128,\n",
              " '거예': 129,\n",
              " '뚫을': 130,\n",
              " '인가': 131,\n",
              " '예쁜가': 132,\n",
              " '낡아': 133,\n",
              " '팔팔이': 134,\n",
              " '차이': 135,\n",
              " '메는거': 136,\n",
              " '담으시나요': 137,\n",
              " '사고': 138,\n",
              " '커플': 139,\n",
              " '삔': 140,\n",
              " '하구': 141,\n",
              " '사면': 142,\n",
              " '하고': 143,\n",
              " '가봐요': 144,\n",
              " '형': 145,\n",
              " '나왔네요': 146,\n",
              " '끼더라고요': 147,\n",
              " '브릭': 148,\n",
              " '신한': 149,\n",
              " '만에': 150,\n",
              " '가져오시면': 151,\n",
              " '안나나요': 152,\n",
              " '그러는데': 153,\n",
              " '사가나요': 154,\n",
              " '이비': 155,\n",
              " '공예': 156,\n",
              " '코르덴': 157,\n",
              " '스몰': 158,\n",
              " '나오는거죠': 159,\n",
              " '소멸': 160,\n",
              " '심한': 161,\n",
              " '통굽': 162,\n",
              " '하는거요': 163,\n",
              " '들한': 164,\n",
              " '빠져서': 165,\n",
              " '툭툭': 166,\n",
              " '잘나가': 167,\n",
              " '살랑': 168,\n",
              " '8천원': 169,\n",
              " '해드릴께요': 170,\n",
              " '7': 171,\n",
              " '기다리셔야': 172,\n",
              " '계속': 173,\n",
              " '고르기': 174,\n",
              " '나나': 175,\n",
              " '참빗': 176,\n",
              " '최대한': 177,\n",
              " '화사한': 178,\n",
              " '있으니까': 179,\n",
              " '들어간다': 180,\n",
              " '국숫': 181,\n",
              " '벗기에는': 182,\n",
              " '해드릴까': 183,\n",
              " '찍어주세요': 184,\n",
              " '가능할거예요': 185,\n",
              " '2400원': 186,\n",
              " '계신': 187,\n",
              " '보고': 188,\n",
              " '스완': 189,\n",
              " '견본': 190,\n",
              " '려고': 191,\n",
              " '떨어져요': 192,\n",
              " '보죠': 193,\n",
              " '빼고는': 194,\n",
              " '110': 195,\n",
              " '봤던': 196,\n",
              " '삼천': 197,\n",
              " '발행': 198,\n",
              " '돼있네요': 199,\n",
              " '성도': 200,\n",
              " '뿐이네요': 201,\n",
              " '넣어요': 202,\n",
              " '예쁜거': 203,\n",
              " '캡': 204,\n",
              " '갖다주세요': 205,\n",
              " '하라': 206,\n",
              " '3천': 207,\n",
              " '있어요': 208,\n",
              " '안되는데': 209,\n",
              " '나오고': 210,\n",
              " '문화': 211,\n",
              " '구경': 212,\n",
              " '보이시': 213,\n",
              " '보통': 214,\n",
              " '가': 215,\n",
              " '방도': 216,\n",
              " '10%': 217,\n",
              " '괜찮던데': 218,\n",
              " '올라가도': 219,\n",
              " '손등': 220,\n",
              " '있으실꺼에요': 221,\n",
              " '걸려': 222,\n",
              " '마땅한': 223,\n",
              " '가져가시면': 224,\n",
              " '결': 225,\n",
              " '+': 226,\n",
              " '쥐색': 227,\n",
              " '5일': 228,\n",
              " '전시': 229,\n",
              " '물론': 230,\n",
              " '이미': 231,\n",
              " '올': 232,\n",
              " '둘러보고요': 233,\n",
              " '일요일': 234,\n",
              " '좋아하는데': 235,\n",
              " '합쳐': 236,\n",
              " '부산': 237,\n",
              " '하시네요': 238,\n",
              " '입었던': 239,\n",
              " '쭉': 240,\n",
              " '3천원': 241,\n",
              " '나올': 242,\n",
              " '일반도': 243,\n",
              " '않으실거에요': 244,\n",
              " '하트': 245,\n",
              " '다운': 246,\n",
              " '타일': 247,\n",
              " '불가하다': 248,\n",
              " '달동': 249,\n",
              " '기비': 250,\n",
              " '봉투': 251,\n",
              " '가는데요': 252,\n",
              " '떨어져도': 253,\n",
              " '만들어요': 254,\n",
              " '원래': 255,\n",
              " '점퍼': 256,\n",
              " '똥': 257,\n",
              " '쓰기': 258,\n",
              " '차요': 259,\n",
              " '입력': 260,\n",
              " '브리프': 261,\n",
              " '이십팔': 262,\n",
              " '잇나요': 263,\n",
              " '빛나네': 264,\n",
              " '날씬해야지': 265,\n",
              " '한시': 266,\n",
              " '카키': 267,\n",
              " '만들었어요': 268,\n",
              " '그렇구요': 269,\n",
              " '보여줄': 270,\n",
              " '됐고': 271,\n",
              " '부터': 272,\n",
              " '좋구요': 273,\n",
              " '어울려서': 274,\n",
              " '할': 275,\n",
              " '필욘': 276,\n",
              " '차지': 277,\n",
              " '입으시거든요': 278,\n",
              " '잠금장치': 279,\n",
              " '샀는데요': 280,\n",
              " '미키': 281,\n",
              " '달려있는': 282,\n",
              " '단순': 283,\n",
              " '고요': 284,\n",
              " '부로': 285,\n",
              " '그러지': 286,\n",
              " '3만원': 287,\n",
              " '하셔서': 288,\n",
              " '건너면': 289,\n",
              " '편입': 290,\n",
              " '저렴한데': 291,\n",
              " '낚시': 292,\n",
              " '신상제': 293,\n",
              " '오면': 294,\n",
              " '같아요': 295,\n",
              " '있으니': 296,\n",
              " '들어갔으면': 297,\n",
              " '되시죠': 298,\n",
              " '않습니다': 299,\n",
              " '가디건': 300,\n",
              " '작은건': 301,\n",
              " '해줘야': 302,\n",
              " '칠천': 303,\n",
              " '옆쪽': 304,\n",
              " '신지': 305,\n",
              " '비싸서': 306,\n",
              " '아니면': 307,\n",
              " '네모': 308,\n",
              " '쉬시죠': 309,\n",
              " '나오나요': 310,\n",
              " '2등': 311,\n",
              " '남아있어요': 312,\n",
              " '지갑': 313,\n",
              " '단가': 314,\n",
              " '없었는데': 315,\n",
              " '안될': 316,\n",
              " '발사이즈': 317,\n",
              " '황당했어요': 318,\n",
              " '메는게': 319,\n",
              " '건조': 320,\n",
              " '테크노': 321,\n",
              " '7시': 322,\n",
              " '들어왔거든요': 323,\n",
              " '좋아하시면': 324,\n",
              " '245': 325,\n",
              " '좋아하세요': 326,\n",
              " '뚫는': 327,\n",
              " '신나요': 328,\n",
              " '갈아도': 329,\n",
              " '유상': 330,\n",
              " '색상': 331,\n",
              " '올려': 332,\n",
              " '들을': 333,\n",
              " '꺼예요': 334,\n",
              " '보다가는': 335,\n",
              " '만들어져서': 336,\n",
              " '기도': 337,\n",
              " '세척': 338,\n",
              " '척': 339,\n",
              " '입으시려고': 340,\n",
              " '근처': 341,\n",
              " '학생용': 342,\n",
              " '되면은': 343,\n",
              " '주시': 344,\n",
              " '없나요': 345,\n",
              " '팩': 346,\n",
              " '붙어있어요': 347,\n",
              " '나가는거': 348,\n",
              " '할께요': 349,\n",
              " '10000원': 350,\n",
              " '전국': 351,\n",
              " '하신지': 352,\n",
              " '둘러볼게요': 353,\n",
              " '이렇게요': 354,\n",
              " '붙어': 355,\n",
              " '분': 356,\n",
              " '매는': 357,\n",
              " '깔끔하게': 358,\n",
              " '두겠습니다': 359,\n",
              " '좀': 360,\n",
              " '편하긴': 361,\n",
              " '편리해요': 362,\n",
              " '하지': 363,\n",
              " '퍼인데': 364,\n",
              " '어머': 365,\n",
              " '카카오': 366,\n",
              " '굵어': 367,\n",
              " '주말': 368,\n",
              " '다이아몬드': 369,\n",
              " '빠져가지고요': 370,\n",
              " '시켜주이소': 371,\n",
              " '박해': 372,\n",
              " '좌측': 373,\n",
              " '학원': 374,\n",
              " '있었네요': 375,\n",
              " '갑니다': 376,\n",
              " '팬던트': 377,\n",
              " '수건': 378,\n",
              " '효과': 379,\n",
              " '19만원': 380,\n",
              " '지워요': 381,\n",
              " '들었습니까': 382,\n",
              " '돌리면': 383,\n",
              " '신었을': 384,\n",
              " '이만사천원': 385,\n",
              " '도까지요': 386,\n",
              " '하시나요': 387,\n",
              " '께서': 388,\n",
              " '갈': 389,\n",
              " '들었어요': 390,\n",
              " '이어서': 391,\n",
              " 'm': 392,\n",
              " '저렴하게': 393,\n",
              " '버스': 394,\n",
              " '걸이': 395,\n",
              " '펜': 396,\n",
              " '팔목': 397,\n",
              " '좋아하시겠어요': 398,\n",
              " '32만원': 399,\n",
              " '비춰': 400,\n",
              " '라고': 401,\n",
              " '찹니다': 402,\n",
              " '11시': 403,\n",
              " '보셔야되': 404,\n",
              " '엘레': 405,\n",
              " '좁아요': 406,\n",
              " '어플': 407,\n",
              " '거구': 408,\n",
              " '드시면': 409,\n",
              " '어렵습니다': 410,\n",
              " '뒤쪽': 411,\n",
              " '열도': 412,\n",
              " '해야겠어요': 413,\n",
              " '스럽죠': 414,\n",
              " '나일론': 415,\n",
              " '러닝': 416,\n",
              " '견고하게': 417,\n",
              " '걸어도': 418,\n",
              " '연령': 419,\n",
              " '바꿔서': 420,\n",
              " '50분': 421,\n",
              " '사장': 422,\n",
              " '박색': 423,\n",
              " '젤': 424,\n",
              " '버클': 425,\n",
              " '예약': 426,\n",
              " '동글동글': 427,\n",
              " '알레르기': 428,\n",
              " '축': 429,\n",
              " '꽉': 430,\n",
              " '찾으시나요': 431,\n",
              " '13000원': 432,\n",
              " '많았는데': 433,\n",
              " '여나요': 434,\n",
              " '구천칠백이십': 435,\n",
              " '깎아주이소': 436,\n",
              " '수가': 437,\n",
              " '장례식': 438,\n",
              " '둘러보시고': 439,\n",
              " '쭈글쭈글해요': 440,\n",
              " '외부': 441,\n",
              " '-': 442,\n",
              " '스카프': 443,\n",
              " '28': 444,\n",
              " '제해': 445,\n",
              " '빈': 446,\n",
              " '캐시': 447,\n",
              " '세네요': 448,\n",
              " '만들어놓은': 449,\n",
              " '또': 450,\n",
              " '어머님께': 451,\n",
              " '사갈게요': 452,\n",
              " '남는': 453,\n",
              " '삼만삼천원': 454,\n",
              " '틀리고': 455,\n",
              " '따지면은': 456,\n",
              " '십이만': 457,\n",
              " '줄무': 458,\n",
              " '스웨이드': 459,\n",
              " '적용': 460,\n",
              " '작을까요': 461,\n",
              " '켤레': 462,\n",
              " '열어나요': 463,\n",
              " '미끄러지지': 464,\n",
              " '남성': 465,\n",
              " '펄': 466,\n",
              " '덮는': 467,\n",
              " '50만원': 468,\n",
              " '묻거나': 469,\n",
              " '75': 470,\n",
              " '늘릴': 471,\n",
              " '잘나가고': 472,\n",
              " '매장': 473,\n",
              " '티머니': 474,\n",
              " '괜찮겠네요': 475,\n",
              " '편해': 476,\n",
              " '어떨까': 477,\n",
              " '재질': 478,\n",
              " '다다': 479,\n",
              " '찾아보니': 480,\n",
              " '팔리는': 481,\n",
              " '징': 482,\n",
              " '접지': 483,\n",
              " '편하네요': 484,\n",
              " '올해': 485,\n",
              " '비번': 486,\n",
              " '뿐이예요': 487,\n",
              " '제품': 488,\n",
              " '돼있나요': 489,\n",
              " '함': 490,\n",
              " '다니려고요': 491,\n",
              " '허리': 492,\n",
              " '육만이': 493,\n",
              " '실내': 494,\n",
              " '가벼운': 495,\n",
              " '주니어': 496,\n",
              " '했죠': 497,\n",
              " '나가요': 498,\n",
              " '커서': 499,\n",
              " '동일': 500,\n",
              " '악세서리': 501,\n",
              " '이백삼십오': 502,\n",
              " '친정엄마': 503,\n",
              " '돼있는지': 504,\n",
              " '내셔': 505,\n",
              " '15만원': 506,\n",
              " '신으시려면': 507,\n",
              " '찌는': 508,\n",
              " '있을거에요': 509,\n",
              " '불편하나요': 510,\n",
              " '상자': 511,\n",
              " '월': 512,\n",
              " '물질': 513,\n",
              " '삼성': 514,\n",
              " '낄만': 515,\n",
              " '부작용': 516,\n",
              " '29만': 517,\n",
              " '더': 518,\n",
              " '앉으시면': 519,\n",
              " '뭔': 520,\n",
              " '비싸면': 521,\n",
              " '쥐색옷': 522,\n",
              " '들어왔습니다': 523,\n",
              " '아무리': 524,\n",
              " '타면': 525,\n",
              " '아무래도': 526,\n",
              " '이상한데요': 527,\n",
              " '향수': 528,\n",
              " '으로만': 529,\n",
              " '주얼': 530,\n",
              " '들려주세요': 531,\n",
              " '불가능': 532,\n",
              " '기다려주세요': 533,\n",
              " '볼래요': 534,\n",
              " '성은': 535,\n",
              " '해드릴게요': 536,\n",
              " '패딩': 537,\n",
              " '다섯': 538,\n",
              " '신어야겠네요': 539,\n",
              " '선택': 540,\n",
              " '기다리시는': 541,\n",
              " '정확하진': 542,\n",
              " '병원': 543,\n",
              " '흠': 544,\n",
              " '프로요': 545,\n",
              " '변': 546,\n",
              " '좋겠는데': 547,\n",
              " '이삼만': 548,\n",
              " '맞추면은': 549,\n",
              " '금지': 550,\n",
              " '고런': 551,\n",
              " '가져오겠습니다': 552,\n",
              " '어떡하나요': 553,\n",
              " '요렇게': 554,\n",
              " '링': 555,\n",
              " '선반': 556,\n",
              " '배드민턴': 557,\n",
              " '많았어요': 558,\n",
              " '들어간게': 559,\n",
              " '있는거로': 560,\n",
              " '별도': 561,\n",
              " '보세요': 562,\n",
              " '드롭형': 563,\n",
              " '신으셔도': 564,\n",
              " '보관': 565,\n",
              " '찾으십니다': 566,\n",
              " '같나요': 567,\n",
              " '그렇습니다': 568,\n",
              " '입으시죠': 569,\n",
              " '셋트': 570,\n",
              " '넣을': 571,\n",
              " '탄': 572,\n",
              " '유지비': 573,\n",
              " '알려주세요': 574,\n",
              " '간답니다': 575,\n",
              " '어울려': 576,\n",
              " '바깥쪽': 577,\n",
              " '오트밀': 578,\n",
              " '이던데': 579,\n",
              " '화장품': 580,\n",
              " '빠지면요': 581,\n",
              " '드라이클리닝': 582,\n",
              " '키': 583,\n",
              " '아닌가요': 584,\n",
              " '지우개': 585,\n",
              " '안타': 586,\n",
              " '12만': 587,\n",
              " '바세린': 588,\n",
              " '현대': 589,\n",
              " '좋으시겠는데요': 590,\n",
              " '점원': 591,\n",
              " '아프나요': 592,\n",
              " '이중': 593,\n",
              " '겸용': 594,\n",
              " '미끄럽지': 595,\n",
              " '비었어요': 596,\n",
              " '브로치': 597,\n",
              " '돼서': 598,\n",
              " '않아': 599,\n",
              " '나은가요': 600,\n",
              " '발끈': 601,\n",
              " '말랐는데': 602,\n",
              " '캔버스': 603,\n",
              " '브랜드': 604,\n",
              " '가거나': 605,\n",
              " '리엑트': 606,\n",
              " '여름': 607,\n",
              " '짜리입니다': 608,\n",
              " '찾고있어요': 609,\n",
              " '볼수': 610,\n",
              " '보신것과': 611,\n",
              " '비슷해요': 612,\n",
              " '움직이죠': 613,\n",
              " '받으실': 614,\n",
              " '고르시고': 615,\n",
              " '2019': 616,\n",
              " '일어나겠다': 617,\n",
              " '담수': 618,\n",
              " '빨아도': 619,\n",
              " '제외': 620,\n",
              " '다녀오세요': 621,\n",
              " '홍보': 622,\n",
              " '괜찮으세요': 623,\n",
              " '조잡': 624,\n",
              " '되어있는': 625,\n",
              " '그러나요': 626,\n",
              " '날씬해': 627,\n",
              " '적어놨던데요': 628,\n",
              " '모직': 629,\n",
              " '입어볼게요': 630,\n",
              " '쫄바지': 631,\n",
              " '좋아하겠죠': 632,\n",
              " '16만원': 633,\n",
              " '모르겠는데': 634,\n",
              " '제일': 635,\n",
              " '삼십사': 636,\n",
              " '순은': 637,\n",
              " '변하지는': 638,\n",
              " '왜소하신': 639,\n",
              " '로마': 640,\n",
              " '같습니다': 641,\n",
              " '이었으면': 642,\n",
              " '4만원': 643,\n",
              " '나가서': 644,\n",
              " '없거든요': 645,\n",
              " '십사만원': 646,\n",
              " '파커': 647,\n",
              " '해드려서': 648,\n",
              " '쓸': 649,\n",
              " '나갔습니다': 650,\n",
              " '그냥': 651,\n",
              " '아가씨': 652,\n",
              " '이니': 653,\n",
              " '있으신': 654,\n",
              " '용지': 655,\n",
              " '안되고요': 656,\n",
              " 'mm': 657,\n",
              " '710': 658,\n",
              " '두꺼울까': 659,\n",
              " '17만': 660,\n",
              " '달라져요': 661,\n",
              " '캐리어': 662,\n",
              " '바뀌어서요': 663,\n",
              " '닦으면': 664,\n",
              " '머리핀': 665,\n",
              " '대박': 666,\n",
              " '난': 667,\n",
              " '전문': 668,\n",
              " '들어가지는': 669,\n",
              " '62000원': 670,\n",
              " '오나요': 671,\n",
              " '입었을': 672,\n",
              " '월요일': 673,\n",
              " '290': 674,\n",
              " '순': 675,\n",
              " '밖에': 676,\n",
              " '재료': 677,\n",
              " '되자마자': 678,\n",
              " '작아서': 679,\n",
              " '쓰실': 680,\n",
              " '거세': 681,\n",
              " '불편': 682,\n",
              " 'XXL': 683,\n",
              " '얼마나': 684,\n",
              " '용도': 685,\n",
              " '25000원': 686,\n",
              " '신용카드': 687,\n",
              " '찾아주실': 688,\n",
              " '되실거에요': 689,\n",
              " '나가고': 690,\n",
              " '십': 691,\n",
              " '브': 692,\n",
              " '하려는데': 693,\n",
              " '변질': 694,\n",
              " '부탁드려요': 695,\n",
              " '200': 696,\n",
              " '되어있고': 697,\n",
              " '가보시': 698,\n",
              " '필요한데요': 699,\n",
              " '검은거': 700,\n",
              " '들어': 701,\n",
              " '플레티넘': 702,\n",
              " '보려고요': 703,\n",
              " '차이는': 704,\n",
              " '싶어서요': 705,\n",
              " '괜찮네요': 706,\n",
              " '맡겨도': 707,\n",
              " '살색': 708,\n",
              " '구김': 709,\n",
              " '눈': 710,\n",
              " '계통': 711,\n",
              " '기선': 712,\n",
              " '5천원': 713,\n",
              " '방울': 714,\n",
              " '분리': 715,\n",
              " '인디': 716,\n",
              " '그러나': 717,\n",
              " '나가네요': 718,\n",
              " '만큼만': 719,\n",
              " '뾰족': 720,\n",
              " '온도': 721,\n",
              " '무거운데': 722,\n",
              " '십칠만': 723,\n",
              " '보드랍고': 724,\n",
              " '빼어': 725,\n",
              " '최소': 726,\n",
              " '않겠네요': 727,\n",
              " '돌잔치': 728,\n",
              " '허벅지': 729,\n",
              " '균형': 730,\n",
              " '빼가지고': 731,\n",
              " '모르겠어서요': 732,\n",
              " '이렇다': 733,\n",
              " '업': 734,\n",
              " '주차장': 735,\n",
              " '수수료': 736,\n",
              " '되는가요': 737,\n",
              " '않지': 738,\n",
              " '거': 739,\n",
              " '보여주시겠요': 740,\n",
              " '되지요': 741,\n",
              " '조직': 742,\n",
              " '사십': 743,\n",
              " '드릴거에요': 744,\n",
              " '보기': 745,\n",
              " '테두리': 746,\n",
              " '기둥': 747,\n",
              " '오세요': 748,\n",
              " '적어놨습니다': 749,\n",
              " '노트북': 750,\n",
              " '이십사일': 751,\n",
              " '입어볼': 752,\n",
              " '값': 753,\n",
              " '다니세요': 754,\n",
              " '모티브': 755,\n",
              " '밖': 756,\n",
              " '378000원': 757,\n",
              " '올이': 758,\n",
              " '정전기': 759,\n",
              " '발도': 760,\n",
              " '가릴': 761,\n",
              " '선호': 762,\n",
              " '90': 763,\n",
              " '봐': 764,\n",
              " '원하는': 765,\n",
              " '뒤꿈치': 766,\n",
              " '이쁜데': 767,\n",
              " '선비': 768,\n",
              " '어제': 769,\n",
              " '돌리는': 770,\n",
              " '사각': 771,\n",
              " '높은가요': 772,\n",
              " '매치': 773,\n",
              " '이기': 774,\n",
              " '낮고': 775,\n",
              " '1000원': 776,\n",
              " '사실': 777,\n",
              " '도': 778,\n",
              " '들어가서': 779,\n",
              " '뭘': 780,\n",
              " '이래요': 781,\n",
              " '이백사십이': 782,\n",
              " '반': 783,\n",
              " '많으니까': 784,\n",
              " '십년': 785,\n",
              " '걸': 786,\n",
              " '가짜': 787,\n",
              " '민트': 788,\n",
              " '표': 789,\n",
              " '깔창': 790,\n",
              " '닳지는': 791,\n",
              " '만드시나요': 792,\n",
              " '굽갈이': 793,\n",
              " '청바지': 794,\n",
              " '11': 795,\n",
              " '의': 796,\n",
              " '자개': 797,\n",
              " '마음': 798,\n",
              " '아보': 799,\n",
              " '쉬나요': 800,\n",
              " '국내': 801,\n",
              " '72': 802,\n",
              " '고상하네': 803,\n",
              " '데일': 804,\n",
              " '애도': 805,\n",
              " '품절': 806,\n",
              " '붙어있는': 807,\n",
              " '진열': 808,\n",
              " '둘러보고있을게요': 809,\n",
              " '쪽': 810,\n",
              " '이만오천원': 811,\n",
              " '수출': 812,\n",
              " '어린': 813,\n",
              " '인한': 814,\n",
              " '200만원': 815,\n",
              " '같고': 816,\n",
              " '들어올거에요': 817,\n",
              " '신으면은': 818,\n",
              " '야외': 819,\n",
              " '구정': 820,\n",
              " '권': 821,\n",
              " '작지': 822,\n",
              " '끝': 823,\n",
              " '88000원': 824,\n",
              " '되시는데요': 825,\n",
              " '기다리세요': 826,\n",
              " '무겁지도': 827,\n",
              " '소풍': 828,\n",
              " '들었는데': 829,\n",
              " '레이스': 830,\n",
              " '잘나요': 831,\n",
              " '되는데': 832,\n",
              " '크지는': 833,\n",
              " '간호사': 834,\n",
              " '써놨는데': 835,\n",
              " '말아놓은': 836,\n",
              " '딱인': 837,\n",
              " '충분할': 838,\n",
              " '가지': 839,\n",
              " '좋아': 840,\n",
              " '지났어요': 841,\n",
              " '관리': 842,\n",
              " '데요': 843,\n",
              " '33000원': 844,\n",
              " '돌리셔도': 845,\n",
              " '만든건': 846,\n",
              " '벽': 847,\n",
              " '은침': 848,\n",
              " '해가지고': 849,\n",
              " '체인점': 850,\n",
              " '갈아': 851,\n",
              " '봄': 852,\n",
              " '구천구백': 853,\n",
              " '뺄': 854,\n",
              " '배터리': 855,\n",
              " '부분': 856,\n",
              " '화려한': 857,\n",
              " '높은데요': 858,\n",
              " '개': 859,\n",
              " '이예요': 860,\n",
              " '똑같아요': 861,\n",
              " '해서요': 862,\n",
              " '삼': 863,\n",
              " '275': 864,\n",
              " '유행': 865,\n",
              " '요청': 866,\n",
              " '쿨톤': 867,\n",
              " '루이비똥': 868,\n",
              " '커버': 869,\n",
              " '대부터': 870,\n",
              " '없는데': 871,\n",
              " '꽂아': 872,\n",
              " '나을까요': 873,\n",
              " '육천오백': 874,\n",
              " '조이시면': 875,\n",
              " '패딩입니': 876,\n",
              " '버버리': 877,\n",
              " '연': 878,\n",
              " '어떻': 879,\n",
              " '주름': 880,\n",
              " '걸리실': 881,\n",
              " '특성': 882,\n",
              " '입으시는': 883,\n",
              " '않고': 884,\n",
              " '가볍고': 885,\n",
              " '에도': 886,\n",
              " '편한가요': 887,\n",
              " '이나': 888,\n",
              " '되거든요': 889,\n",
              " '남녀': 890,\n",
              " '신': 891,\n",
              " '담고': 892,\n",
              " '어떤거': 893,\n",
              " '턱': 894,\n",
              " '하겠다': 895,\n",
              " '따님': 896,\n",
              " '하실건데': 897,\n",
              " '영업': 898,\n",
              " '무예': 899,\n",
              " '불편하신': 900,\n",
              " '천천히': 901,\n",
              " '심심해서': 902,\n",
              " '약품': 903,\n",
              " '보시고요': 904,\n",
              " '유명해요': 905,\n",
              " '잡다하게': 906,\n",
              " '보석': 907,\n",
              " '하체': 908,\n",
              " '지나서': 909,\n",
              " '하시겠어요': 910,\n",
              " '가벼우면': 911,\n",
              " '6시': 912,\n",
              " '추가': 913,\n",
              " '있을시': 914,\n",
              " '아프네': 915,\n",
              " '될거': 916,\n",
              " '다음주': 917,\n",
              " '여부': 918,\n",
              " '으로는': 919,\n",
              " '봄이면은': 920,\n",
              " '쎄네': 921,\n",
              " '공휴일': 922,\n",
              " '사계절': 923,\n",
              " '안나': 924,\n",
              " '노란': 925,\n",
              " '비슷한데': 926,\n",
              " '그러세요': 927,\n",
              " '불가능하세요': 928,\n",
              " '폴리우레탄': 929,\n",
              " '깎아줘요': 930,\n",
              " '원목': 931,\n",
              " '얼마': 932,\n",
              " '앵': 933,\n",
              " '봐주세요': 934,\n",
              " '화가': 935,\n",
              " '북유럽': 936,\n",
              " '기재': 937,\n",
              " '발피': 938,\n",
              " '배출': 939,\n",
              " '들고': 940,\n",
              " '95만원': 941,\n",
              " '필요': 942,\n",
              " '들이': 943,\n",
              " '나아서': 944,\n",
              " '그걸': 945,\n",
              " '눌러주세요': 946,\n",
              " '목걸이': 947,\n",
              " '꺼는': 948,\n",
              " '예쁘긴': 949,\n",
              " '열시': 950,\n",
              " '79000원': 951,\n",
              " '구제': 952,\n",
              " '제휴': 953,\n",
              " '브라운': 954,\n",
              " '가까이': 955,\n",
              " '어디가': 956,\n",
              " '도와주실': 957,\n",
              " '/': 958,\n",
              " '뭐': 959,\n",
              " '기간': 960,\n",
              " '넓어서': 961,\n",
              " '수선하면': 962,\n",
              " '좁게': 963,\n",
              " '된건': 964,\n",
              " '백도': 965,\n",
              " '다신': 966,\n",
              " '이제': 967,\n",
              " '청동': 968,\n",
              " '가도': 969,\n",
              " '코랄': 970,\n",
              " '갈게요': 971,\n",
              " '꺼': 972,\n",
              " '다양하네요': 973,\n",
              " '해놓겠습니다': 974,\n",
              " '현찰': 975,\n",
              " '있잖아': 976,\n",
              " '걱정': 977,\n",
              " '쓰려고요': 978,\n",
              " '100만원': 979,\n",
              " '푸세요': 980,\n",
              " '커라고': 981,\n",
              " '틀리던데': 982,\n",
              " '호로': 983,\n",
              " '가격': 984,\n",
              " '고리': 985,\n",
              " '괜찮아서': 986,\n",
              " '들어오는데': 987,\n",
              " '작게': 988,\n",
              " '자녀': 989,\n",
              " '마': 990,\n",
              " '용은요': 991,\n",
              " '태그': 992,\n",
              " '차는': 993,\n",
              " '하려는': 994,\n",
              " '아마': 995,\n",
              " '후에': 996,\n",
              " '캉골': 997,\n",
              " '밝': 998,\n",
              " '합성': 999,\n",
              " ...}"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 19
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "rfoTztrvydzc"
      },
      "source": [
        "# 문장을 인덱스로 변환\n",
        "def convert_text_to_index(sentences, vocabulary, type): \n",
        "    \n",
        "    sentences_index = []\n",
        "    \n",
        "    # 모든 문장에 대해서 반복\n",
        "    for sentence in sentences:\n",
        "        sentence_index = []\n",
        "        \n",
        "        # 디코더 입력일 경우 맨 앞에 START 태그 추가\n",
        "        if type == DECODER_INPUT:\n",
        "            sentence_index.extend([vocabulary[STA]])\n",
        "        \n",
        "        # 문장의 단어들을 띄어쓰기로 분리\n",
        "        for word in sentence.split():\n",
        "            if vocabulary.get(word) is not None:\n",
        "                # 사전에 있는 단어면 해당 인덱스를 추가\n",
        "                sentence_index.extend([vocabulary[word]])\n",
        "            else:\n",
        "                # 사전에 없는 단어면 OOV 인덱스를 추가\n",
        "                sentence_index.extend([vocabulary[OOV]])\n",
        "\n",
        "        # 최대 길이 검사\n",
        "        if type == DECODER_TARGET:\n",
        "            # 디코더 목표일 경우 맨 뒤에 END 태그 추가\n",
        "            if len(sentence_index) >= max_sequences:\n",
        "                sentence_index = sentence_index[:max_sequences-1] + [vocabulary[END]]\n",
        "            else:\n",
        "                sentence_index += [vocabulary[END]]\n",
        "        else:\n",
        "            if len(sentence_index) > max_sequences:\n",
        "                sentence_index = sentence_index[:max_sequences]\n",
        "            \n",
        "        # 최대 길이에 없는 공간은 패딩 인덱스로 채움\n",
        "        sentence_index += (max_sequences - len(sentence_index)) * [vocabulary[PAD]]\n",
        "        \n",
        "        # 문장의 인덱스 배열을 추가\n",
        "        sentences_index.append(sentence_index)\n",
        "\n",
        "    return np.asarray(sentences_index)"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "zezFPTvcydzf",
        "outputId": "71e5cf1b-2d3b-441a-eb72-b91bfe28197c",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 87
        }
      },
      "source": [
        "# 인코더 입력 인덱스 변환\n",
        "x_encoder = convert_text_to_index(question, word_to_index, ENCODER_INPUT)\n",
        "\n",
        "# 첫 번째 인코더 입력 출력 (신발 은 여기 있는 게 다예 요)\n",
        "print(question[0])\n",
        "x_encoder[0]\n"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "신발 은 여기 있는 게 다예 요\n"
          ],
          "name": "stdout"
        },
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "array([ 701, 5039, 2081,  624, 2131, 1000, 4077,    0,    0,    0,    0,\n",
              "          0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,\n",
              "          0,    0,    0,    0,    0,    0,    0,    0])"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 19
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "fmql1Lf_ydzh",
        "outputId": "c37ed86e-0792-48f4-b94f-0b6e5d93591f",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 87
        }
      },
      "source": [
        "# 디코더 입력 인덱스 변환\n",
        "x_decoder = convert_text_to_index(answer, word_to_index, DECODER_INPUT)\n",
        "\n",
        "# 첫 번째 디코더 입력 출력 (<START> 신발 은 여기 있는 게 다예 요)\n",
        "print(question[0])\n",
        "x_decoder[0]\n"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "신발 은 여기 있는 게 다예 요\n"
          ],
          "name": "stdout"
        },
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "array([   1, 3245, 4807, 4067, 4514, 1695, 2416, 1888, 1754, 4427, 2946,\n",
              "          0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,\n",
              "          0,    0,    0,    0,    0,    0,    0,    0])"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 20
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "-qIhDbaLydzk",
        "outputId": "02597418-31ec-4756-efbe-9c67a7e2bbc4",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 87
        }
      },
      "source": [
        "# 디코더 목표 인덱스 변환\n",
        "y_decoder = convert_text_to_index(answer, word_to_index, DECODER_TARGET)\n",
        "\n",
        "# 첫 번째 디코더 입력 출력 (신발 은 여기 있는 게 다예 요 <END>)\n",
        "print(question[0])\n",
        "y_decoder[0]\n"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "신발 은 여기 있는 게 다예 요\n"
          ],
          "name": "stdout"
        },
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "array([3245, 4807, 4067, 4514, 1695, 2416, 1888, 1754, 4427, 2946,    2,\n",
              "          0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,\n",
              "          0,    0,    0,    0,    0,    0,    0,    0])"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 21
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "j5wrgGhCydzm",
        "outputId": "c257bbe5-0c98-4888-8fc9-dff8905abf75",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 140
        }
      },
      "source": [
        "# 원핫인코딩 초기화\n",
        "one_hot_data = np.zeros((len(y_decoder), max_sequences, len(words)))\n",
        "\n",
        "# 디코더 목표를 원핫인코딩으로 변환\n",
        "# 학습시 입력은 인덱스이지만, 출력은 원핫인코딩 형식임\n",
        "for i, sequence in enumerate(y_decoder):\n",
        "    for j, index in enumerate(sequence):\n",
        "        one_hot_data[i, j, index] = 1\n",
        "\n",
        "# 디코더 목표 설정\n",
        "y_decoder = one_hot_data\n",
        "\n",
        "# 첫 번째 디코더 목표 출력\n",
        "y_decoder[0]"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "array([[0., 0., 0., ..., 0., 0., 0.],\n",
              "       [0., 0., 0., ..., 0., 0., 0.],\n",
              "       [0., 0., 0., ..., 0., 0., 0.],\n",
              "       ...,\n",
              "       [1., 0., 0., ..., 0., 0., 0.],\n",
              "       [1., 0., 0., ..., 0., 0., 0.],\n",
              "       [1., 0., 0., ..., 0., 0., 0.]])"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 22
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "Y0latL62ydzo"
      },
      "source": [
        "인코더 입력과 디코더 입력은 임베딩 레이어에 들어가는 인덱스 배열입니다. 반면에 디코더 출력은 원핫인코딩 형식이 되어야 합니다. 디코더의 마지막 Dense 레이어에서 softmax로 나오기 때문입니다."
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "Pav-8Jd3ydzp"
      },
      "source": [
        "<br>\n",
        "<br>\n",
        "# 모델 생성"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "I8y-mjWtydzp"
      },
      "source": [
        "#--------------------------------------------\n",
        "# 훈련 모델 인코더 정의\n",
        "#--------------------------------------------\n",
        "\n",
        "# 입력 문장의 인덱스 시퀀스를 입력으로 받음\n",
        "encoder_inputs = layers.Input(shape=(None,))\n",
        "\n",
        "# 임베딩 레이어\n",
        "encoder_outputs = layers.Embedding(len(words), embedding_dim)(encoder_inputs)\n",
        "\n",
        "# return_state가 True면 상태값 리턴\n",
        "# LSTM은 state_h(hidden state)와 state_c(cell state) 2개의 상태 존재\n",
        "encoder_outputs, state_h, state_c = layers.LSTM(lstm_hidden_dim,\n",
        "                                                return_state=True)(encoder_outputs)\n",
        "\n",
        "# 히든 상태와 셀 상태를 하나로 묶음\n",
        "encoder_states = [state_h, state_c]\n",
        "\n",
        "#--------------------------------------------\n",
        "# 훈련 모델 디코더 정의\n",
        "#--------------------------------------------\n",
        "\n",
        "# 목표 문장의 인덱스 시퀀스를 입력으로 받음\n",
        "decoder_inputs = layers.Input(shape=(None,))\n",
        "\n",
        "# 임베딩 레이어\n",
        "decoder_embedding = layers.Embedding(len(words), embedding_dim)\n",
        "decoder_outputs = decoder_embedding(decoder_inputs)\n",
        "\n",
        "# 인코더와 달리 return_sequences를 True로 설정하여 모든 타임 스텝 출력값 리턴\n",
        "# 모든 타임 스텝의 출력값들을 다음 레이어의 Dense()로 처리하기 위함\n",
        "decoder_lstm = layers.LSTM(lstm_hidden_dim,\n",
        "                           return_state=True,\n",
        "                           return_sequences=True)\n",
        "\n",
        "# initial_state를 인코더의 상태로 초기화\n",
        "decoder_outputs, _, _ = decoder_lstm(decoder_outputs,\n",
        "                                     initial_state=encoder_states)\n",
        "\n",
        "# 단어의 개수만큼 노드의 개수를 설정하여 원핫 형식으로 각 단어 인덱스를 출력\n",
        "decoder_dense = layers.Dense(len(words), activation='softmax')\n",
        "decoder_outputs = decoder_dense(decoder_outputs)\n",
        "\n",
        "\n",
        "\n",
        "#--------------------------------------------\n",
        "# 훈련 모델 정의\n",
        "#--------------------------------------------\n",
        "\n",
        "# 입력과 출력으로 함수형 API 모델 생성\n",
        "model = models.Model([encoder_inputs, decoder_inputs], decoder_outputs)\n",
        "\n",
        "# 학습 방법 설정\n",
        "model.compile(optimizer='rmsprop',\n",
        "              loss='categorical_crossentropy',\n",
        "              metrics=['accuracy'])    "
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "N1bkvRU0ydzr"
      },
      "source": [
        "#--------------------------------------------\n",
        "#  예측 모델 인코더 정의\n",
        "#--------------------------------------------\n",
        "\n",
        "# 훈련 모델의 인코더 상태를 사용하여 예측 모델 인코더 설정\n",
        "encoder_model = models.Model(encoder_inputs, encoder_states)\n",
        "\n",
        "#--------------------------------------------\n",
        "# 예측 모델 디코더 정의\n",
        "#--------------------------------------------\n",
        "\n",
        "# 예측시에는 훈련시와 달리 타임 스텝을 한 단계씩 수행\n",
        "# 매번 이전 디코더 상태를 입력으로 받아서 새로 설정\n",
        "decoder_state_input_h = layers.Input(shape=(lstm_hidden_dim,))\n",
        "decoder_state_input_c = layers.Input(shape=(lstm_hidden_dim,))\n",
        "decoder_states_inputs = [decoder_state_input_h, decoder_state_input_c]    \n",
        "\n",
        "# 임베딩 레이어\n",
        "decoder_outputs = decoder_embedding(decoder_inputs)\n",
        "\n",
        "# LSTM 레이어\n",
        "decoder_outputs, state_h, state_c = decoder_lstm(decoder_outputs,\n",
        "                                                 initial_state=decoder_states_inputs)\n",
        "\n",
        "# 히든 상태와 셀 상태를 하나로 묶음\n",
        "decoder_states = [state_h, state_c]\n",
        "\n",
        "# Dense 레이어를 통해 원핫 형식으로 각 단어 인덱스를 출력\n",
        "decoder_outputs = decoder_dense(decoder_outputs)\n",
        "\n",
        "# 예측 모델 디코더 설정\n",
        "decoder_model = models.Model([decoder_inputs] + decoder_states_inputs,\n",
        "                      [decoder_outputs] + decoder_states)"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "ubnZvGdnydzs"
      },
      "source": [
        "예측 모델은 이미 학습된 훈련 모델의 레이어들을 그대로 재사용합니다. 예측 모델 인코더는 훈련 모델 인코더과 동일합니다. 그러나 예측 모델 디코더는 매번 LSTM 상태값을 입력으로 받습니다. 또한 디코더의 LSTM 상태를 출력값과 같이 내보내서, 다음 번 입력에 넣습니다. \n",
        "\n",
        "이렇게 하는 이유는 LSTM을 딱 한번의 타임 스텝만 실행하기 때문입니다. 그래서 매번 상태값을 새로 초기화 해야 합니다. 이와 반대로 훈련할때는 문장 전체를 계속 LSTM으로 돌리기 때문에 자동으로 상태값이 전달됩니다. "
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "QOEiyOizydzt"
      },
      "source": [
        "<br>\n",
        "<br>\n",
        "# 훈련 및 테스트"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "Gxi2B-vjydzt"
      },
      "source": [
        "# 인덱스를 문장으로 변환\n",
        "def convert_index_to_text(indexs, vocabulary): \n",
        "    \n",
        "    sentence = ''\n",
        "    \n",
        "    # 모든 문장에 대해서 반복\n",
        "    for index in indexs:\n",
        "        if index == END_INDEX:\n",
        "            # 종료 인덱스면 중지\n",
        "            break;\n",
        "        if vocabulary.get(index) is not None:\n",
        "            # 사전에 있는 인덱스면 해당 단어를 추가\n",
        "            sentence += vocabulary[index]\n",
        "        else:\n",
        "            # 사전에 없는 인덱스면 OOV 단어를 추가\n",
        "            sentence.extend([vocabulary[OOV_INDEX]])\n",
        "            \n",
        "        # 빈칸 추가\n",
        "        sentence += ' '\n",
        "\n",
        "    return sentence"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "hHjf2nmyB3Pf",
        "outputId": "ece4336b-7ef7-4787-d52a-d44752188248",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 70
        }
      },
      "source": [
        "x_encoder[2].reshape(1, x_encoder[2].shape[0])"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "array([[3245, 1886, 6060, 4767, 1496, 5142, 6206,  624, 3873,    0,    0,\n",
              "           0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,\n",
              "           0,    0,    0,    0,    0,    0,    0,    0]])"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 26
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "DeEaQyYRydzv",
        "outputId": "ac5d1101-601c-4ea3-9322-e3903b8a013a",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 1000
        }
      },
      "source": [
        "# 에폭 반복\n",
        "for epoch in range(20):\n",
        "    print('Total Epoch :', epoch + 1)\n",
        "\n",
        "    # 훈련 시작\n",
        "    history = model.fit([x_encoder, x_decoder],\n",
        "                        y_decoder,\n",
        "                        epochs=1,\n",
        "                        batch_size=64,\n",
        "                        verbose=1)\n",
        "    # '네 봄 이니까 편하게 신 을 수 있는 거'에 대한 대답\n",
        "    input_encoder = x_encoder[2].reshape(1, x_encoder[2].shape[0])\n",
        "    input_decoder = x_decoder[2].reshape(1, x_decoder[2].shape[0])\n",
        "    results = model.predict([input_encoder, input_decoder])\n",
        "    \n",
        "    # 결과의 원핫인코딩 형식을 인덱스로 변환\n",
        "    # 1축을 기준으로 가장 높은 값의 위치를 구함\n",
        "    indexs = np.argmax(results[0], 1)\n",
        "    \n",
        "    # 인덱스를 문장으로 변환\n",
        "    sentence = convert_index_to_text(indexs, index_to_word)\n",
        "    print(sentence)\n",
        "    print()"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Total Epoch : 1\n",
            "115/115 [==============================] - 4s 38ms/step - loss: 1.2817 - accuracy: 0.8150\n",
            "네 이 은 \n",
            "\n",
            "Total Epoch : 2\n",
            "115/115 [==============================] - 4s 38ms/step - loss: 1.2170 - accuracy: 0.8186\n",
            "네 이 이 \n",
            "\n",
            "Total Epoch : 3\n",
            "115/115 [==============================] - 5s 39ms/step - loss: 1.1802 - accuracy: 0.8212\n",
            "네 은 이 \n",
            "\n",
            "Total Epoch : 4\n",
            "115/115 [==============================] - 5s 40ms/step - loss: 1.1474 - accuracy: 0.8248\n",
            "네 거 거 \n",
            "\n",
            "Total Epoch : 5\n",
            "115/115 [==============================] - 5s 39ms/step - loss: 1.1163 - accuracy: 0.8284\n",
            "네 옷 이 \n",
            "\n",
            "Total Epoch : 6\n",
            "115/115 [==============================] - 4s 39ms/step - loss: 1.0841 - accuracy: 0.8329\n",
            "네 거 어떻게 \n",
            "\n",
            "Total Epoch : 7\n",
            "115/115 [==============================] - 5s 40ms/step - loss: 1.0540 - accuracy: 0.8368\n",
            "네 거 어떻게 \n",
            "\n",
            "Total Epoch : 8\n",
            "115/115 [==============================] - 4s 38ms/step - loss: 1.0256 - accuracy: 0.8398\n",
            "네 제품 어떻게 \n",
            "\n",
            "Total Epoch : 9\n",
            "115/115 [==============================] - 4s 39ms/step - loss: 1.0007 - accuracy: 0.8424\n",
            "네 거 없어요 \n",
            "\n",
            "Total Epoch : 10\n",
            "115/115 [==============================] - 4s 38ms/step - loss: 0.9791 - accuracy: 0.8442\n",
            "네 거 어떻게 \n",
            "\n",
            "Total Epoch : 11\n",
            "115/115 [==============================] - 5s 41ms/step - loss: 0.9598 - accuracy: 0.8461\n",
            "네 거 없어요 \n",
            "\n",
            "Total Epoch : 12\n",
            "115/115 [==============================] - 4s 38ms/step - loss: 0.9415 - accuracy: 0.8479\n",
            "네 거 잘 \n",
            "\n",
            "Total Epoch : 13\n",
            "115/115 [==============================] - 5s 42ms/step - loss: 0.9242 - accuracy: 0.8494\n",
            "네 거 어떠세요 \n",
            "\n",
            "Total Epoch : 14\n",
            "115/115 [==============================] - 4s 38ms/step - loss: 0.9078 - accuracy: 0.8511\n",
            "이 쪽 어떠세요 \n",
            "\n",
            "Total Epoch : 15\n",
            "115/115 [==============================] - 5s 39ms/step - loss: 0.8918 - accuracy: 0.8525\n",
            "네 거 어떠세요 \n",
            "\n",
            "Total Epoch : 16\n",
            "115/115 [==============================] - 4s 38ms/step - loss: 0.8763 - accuracy: 0.8540\n",
            "네 거 어떠세요 \n",
            "\n",
            "Total Epoch : 17\n",
            "115/115 [==============================] - 5s 39ms/step - loss: 0.8615 - accuracy: 0.8554\n",
            "네 거 어떠세요 \n",
            "\n",
            "Total Epoch : 18\n",
            "115/115 [==============================] - 4s 38ms/step - loss: 0.8475 - accuracy: 0.8565\n",
            "네 거 어떠세요 \n",
            "\n",
            "Total Epoch : 19\n",
            "115/115 [==============================] - 5s 39ms/step - loss: 0.8339 - accuracy: 0.8578\n",
            "이 거 어떠세요 \n",
            "\n",
            "Total Epoch : 20\n",
            "115/115 [==============================] - 4s 38ms/step - loss: 0.8212 - accuracy: 0.8589\n",
            "네 거 어떠세요 \n",
            "\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "GTaUvGrqydzy"
      },
      "source": [
        "학습이 진행될수록 예측 문장이 제대로 생성되는 것을 볼 수 있습니다. 다만 여기서의 예측은 단순히 테스트를 위한 것이라, 인코더 입력과 디코더 입력 데이터가 동시에 사용됩니다. 아래 문장 생성에서는 예측 모델을 적용하기 때문에, 오직 인코더 입력 데이터만 집어 넣습니다."
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "Q3wHpkRaydzy"
      },
      "source": [
        "<br>\n",
        "<br>\n",
        "# 문장 생성"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "2E66RpbXydzy"
      },
      "source": [
        "# 예측을 위한 입력 생성\n",
        "def make_predict_input(sentence):\n",
        "\n",
        "    sentences = []\n",
        "    sentences.append(sentence)\n",
        "    sentences = pos_tag(sentences)\n",
        "    input_seq = convert_text_to_index(sentences, word_to_index, ENCODER_INPUT)\n",
        "    \n",
        "    return input_seq"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "nUV-fKE0ydz0"
      },
      "source": [
        "# 텍스트 생성\n",
        "def generate_text(input_seq):\n",
        "    \n",
        "    # 입력을 인코더에 넣어 마지막 상태 구함\n",
        "    states = encoder_model.predict(input_seq)\n",
        "\n",
        "    # 목표 시퀀스 초기화\n",
        "    target_seq = np.zeros((1, 1))\n",
        "    \n",
        "    # 목표 시퀀스의 첫 번째에 <START> 태그 추가\n",
        "    target_seq[0, 0] = STA_INDEX\n",
        "    \n",
        "    # 인덱스 초기화\n",
        "    indexs = []\n",
        "    \n",
        "    # 디코더 타임 스텝 반복\n",
        "    while 1:\n",
        "        # 디코더로 현재 타임 스텝 출력 구함\n",
        "        # 처음에는 인코더 상태를, 다음부터 이전 디코더 상태로 초기화\n",
        "        decoder_outputs, state_h, state_c = decoder_model.predict(\n",
        "                                                [target_seq] + states)\n",
        "\n",
        "        # 결과의 원핫인코딩 형식을 인덱스로 변환\n",
        "        index = np.argmax(decoder_outputs[0, 0, :])\n",
        "        indexs.append(index)\n",
        "        \n",
        "        # 종료 검사\n",
        "        if index == END_INDEX or len(indexs) >= max_sequences:\n",
        "            break\n",
        "\n",
        "        # 목표 시퀀스를 바로 이전의 출력으로 설정\n",
        "        target_seq = np.zeros((1, 1))\n",
        "        target_seq[0, 0] = index\n",
        "        \n",
        "        # 디코더의 이전 상태를 다음 디코더 예측에 사용\n",
        "        states = [state_h, state_c]\n",
        "\n",
        "    # 인덱스를 문장으로 변환\n",
        "    sentence = convert_index_to_text(indexs, index_to_word)\n",
        "        \n",
        "    return sentence"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "xghcWc8Gydz2",
        "outputId": "83dbc472-54cf-4781-9333-0540560eac35",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 70
        }
      },
      "source": [
        "# 문장을 인덱스로 변환\n",
        "input_seq = make_predict_input('이 티셔츠 사이즈 있나요')\n",
        "input_seq\n"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "array([[1541,  307, 1754, 1072,    0,    0,    0,    0,    0,    0,    0,\n",
              "           0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,\n",
              "           0,    0,    0,    0,    0,    0,    0,    0]])"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 34
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "SAVCqw5kydz4",
        "outputId": "f89a1daf-0daf-451b-b3a1-ac6d340c66fb",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 35
        }
      },
      "source": [
        "# 예측 모델로 텍스트 생성\n",
        "sentence = generate_text(input_seq)\n",
        "sentence\n"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "application/vnd.google.colaboratory.intrinsic+json": {
              "type": "string"
            },
            "text/plain": [
              "'네 잠시 만 기다려주세요 '"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 35
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "tTJaDU2Oydz9"
      },
      "source": [
        "데이터셋 문장에서는 없던 '같이'라는 단어를 추가해 보았습니다. 그래도 비슷한 의미란 것을 파악하여 동일한 답변이 나왔습니다.\n",
        "<br>\n",
        "<br>\n",
        "<br>"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "0nfzs40Jydz9",
        "outputId": "c14560de-e79a-4e5b-990e-99d1ffd90106",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 70
        }
      },
      "source": [
        "# 문장을 인덱스로 변환\n",
        "input_seq = make_predict_input('교환 가능한가요?')\n",
        "input_seq\n"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "array([[2393, 5592,    0,    0,    0,    0,    0,    0,    0,    0,    0,\n",
              "           0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,\n",
              "           0,    0,    0,    0,    0,    0,    0,    0]])"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 36
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "CfAuRhDwydz_",
        "outputId": "d7ada4a4-b142-47a7-d9dc-94b296b8d301",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 35
        }
      },
      "source": [
        "# 예측 모델로 텍스트 생성\n",
        "sentence = generate_text(input_seq)\n",
        "sentence\n"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "application/vnd.google.colaboratory.intrinsic+json": {
              "type": "string"
            },
            "text/plain": [
              "'네 가능합니다 '"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 37
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "z3YqOZ-MEOVW",
        "outputId": "16e4dc25-59d5-41d1-cba9-5adce2067109",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 1000
        }
      },
      "source": [
        "# for train data predict\n",
        "for seq_index in range(0,100):\n",
        "\n",
        "  print(\"고객 : \",question[seq_index])\n",
        "  print(\"정답점원 :\",answer[seq_index])\n",
        "  print(\"AI점원 :\",generate_text(make_predict_input(question[seq_index])))\n",
        "  print(\"\\n\")"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "고객 :  신발 은 여기 있는 게 다예 요\n",
            "정답점원 : 네 성인 이나 아동 다 있어요 발 사이즈 몇 신으세요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  230 이요\n",
            "정답점원 : 편하게 신 을 수 있는 거 찾으세요\n",
            "AI점원 : 네 그럼요 \n",
            "\n",
            "\n",
            "고객 :  네 봄 이니까 편하게 신 을 수 있는 거\n",
            "정답점원 : 이런 건 어떠세요 이런 거도 신발 무척 편하거든요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  굽 좀 높은 거 없나요\n",
            "정답점원 : 봄 상품 은 아직 어른 제품 이 많이 안 나왔습니다\n",
            "AI점원 : 네 이 쪽 에 있습니다 \n",
            "\n",
            "\n",
            "고객 :  언제 들어와요\n",
            "정답점원 : 이번 주 지나면 들어올 거 예요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이 거 는 가죽 이에요\n",
            "정답점원 : 가죽 아니고 쎄 무예 요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  가죽 은 얼마 예요\n",
            "정답점원 : 2만 9천 원 입니다\n",
            "AI점원 : 그 옷 은 이만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  털 달린 거 저 거 는 사이즈 있어요\n",
            "정답점원 : 230 이 없어요 이 거 한 번 신어 보세요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  좀 크네 또 안 들어와요\n",
            "정답점원 : 네 이건 다 끝났어요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  가방 매는 거 보고 있어요\n",
            "정답점원 : 여기 있어요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  가격 이 얼마 예요\n",
            "정답점원 : 이 종류 는 2만 원 이고 이 종류 는 3만 8천 원 이에요\n",
            "AI점원 : 이 거 는 삼만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  가죽 으로 된 거 는 없어요\n",
            "정답점원 : 가죽 은 없고 레자 만 있어요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  레자 는 얼마 예요\n",
            "정답점원 : 5만 5천 원요\n",
            "AI점원 : 그 가방 은 이만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  이 거 는 천이 죠\n",
            "정답점원 : 네 맞아요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이건 얼마 예요\n",
            "정답점원 : 그것 도 5만 5천 원요\n",
            "AI점원 : 그 가방 은 이만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  이 거 끈 은 따로 없어요\n",
            "정답점원 : 안 에 있어요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  내일 은 문 열어요\n",
            "정답점원 : 휴무 입니다\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  며칠 까지 휴무 예요\n",
            "정답점원 : 설 까지 쉬 고 다음 날 열 거 같아요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  여기 마스크 는 얼마 예요\n",
            "정답점원 : 5천 원요\n",
            "AI점원 : 이 거 는 삼만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  이 거 나무 예요 다 돌 인가요\n",
            "정답점원 : 나무 도 있고 도자기 도 있어요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이런 건 세트 로 팔아요\n",
            "정답점원 : 네 세트 로만 팔아요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이건 뭐 예요\n",
            "정답점원 : 마블 이라고 종이 를 말아가지고 하는 거 예요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  제일 큰 거 는 얼마 인데 요\n",
            "정답점원 : 세트 에 7만 원 이요\n",
            "AI점원 : 이 거 는 삼만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  스카프 좀 보려구요\n",
            "정답점원 : 네 천천히 보세요\n",
            "AI점원 : 네 잠시 만 기다려주세요 \n",
            "\n",
            "\n",
            "고객 :  실크 스카프 도 봄 에 하나요\n",
            "정답점원 : 실크 봄 가을 에 하죠\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이 거 는 뭐 예요\n",
            "정답점원 : 토시 예요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  여기 가격 은 그대로 파시 는 거 예요\n",
            "정답점원 : 네 핸드 메이드 로 해가지고 그 가격 으로 팔아요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  착용 해볼 수 있어요\n",
            "정답점원 : 네 가능하세요\n",
            "AI점원 : 네 알겠습니다 \n",
            "\n",
            "\n",
            "고객 :  이 거 는 요즘 들어온 거 예요\n",
            "정답점원 : 네 어제 들어왔어요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  세탁 은 물 세탁 되죠\n",
            "정답점원 : 끝 부분 이 가죽 이라서 조심해야 해 요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  지금 여기 있는 게 다예 요\n",
            "정답점원 : 네 다예 요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  몇 시 에 문 닫아요\n",
            "정답점원 : 8시 까지 합니다\n",
            "AI점원 : 그거 는 삼만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  일요일 도 하세요\n",
            "정답점원 : 아뇨 닫아요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  스카프 있어요\n",
            "정답점원 : 네 여기는 2 단 이 거 는 3 단 제품 있어요\n",
            "AI점원 : 네 이 쪽 에 있습니다 \n",
            "\n",
            "\n",
            "고객 :  이런 건 세탁 을 어떻게 해 요\n",
            "정답점원 : 울 샴푸 를 물 에 몇 방울 떨어뜨려서 조물조물 하면 됩니다\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  원단 은 뭐 예요\n",
            "정답점원 : 원단 이 구김 안 가고 참 괜찮아요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  얼마 인데 요\n",
            "정답점원 : 2만 원 입니다\n",
            "AI점원 : 그 가방 은 이만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  브로치 같은 건 어디 있나요\n",
            "정답점원 : 여기 있는 거 밖에 없어요\n",
            "AI점원 : 이 거 는 어떠세요 \n",
            "\n",
            "\n",
            "고객 :  이런 거도 2만 원 이예 요\n",
            "정답점원 : 헤르메스 인데 이 것 도 괜찮아요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  명품 이랑 똑같이 한 거 예요\n",
            "정답점원 : 네 원단 만 다르고 디자인 을 똑같이 만든 거 예요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  온누리 상품권 도 되죠\n",
            "정답점원 : 네 됩니다\n",
            "AI점원 : 네 가능합니다 \n",
            "\n",
            "\n",
            "고객 :  브로치 하고 머리핀 하고 보려고요\n",
            "정답점원 : 머리핀 은 밖에 있고 브로치 는 안 에 있습니다\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  도자기 같은 거 말고 구슬 이나 진주 같은 거 는 없어요\n",
            "정답점원 : 지금 옷 에 가볍게 하려면 진주 도 예쁘지만 이 것 도 깔끔합니다 보석 은 싫으세요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  그건 흥미 없고 안 에 하면 안 떨어져요\n",
            "정답점원 : 안 떨어져요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  얼마 예요\n",
            "정답점원 : 핀 꼽는 거 는 좀 싼 거고 이 거 는 3만 원대 예요\n",
            "AI점원 : 그 가방 은 이만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  이 우산 은 얼마 인데 요\n",
            "정답점원 : 4만 2천 원 이요\n",
            "AI점원 : 이 거 는 삼만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  무겁지 않아요\n",
            "정답점원 : 좋은 재료 를 쓰기 때문 에 무겁지 않아요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이렇게 다는 거 맞아요\n",
            "정답점원 : 그렇게 달 면 안되고 이렇게 달아야 해 요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  자석 은 다 3만 원\n",
            "정답점원 : 3만 원 짜 리도 있고 2만 원 짜 리도 있어요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  머리핀 종류 도 한 번 보여주세요 곱창 은 요새 안 나와요\n",
            "정답점원 : 곱창 밴드 는 안 나와요 촌스러워서 유행 다 지났어요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  브로치 종류 도 있어요\n",
            "정답점원 : 아뇨 없어요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  스카프 도 없어요\n",
            "정답점원 : 스카프 는 이 쪽 에 종류 가 있어요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이런 거 실크 입 니까\n",
            "정답점원 : 실크 아니예요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이런 거 는 뭐라 그래요\n",
            "정답점원 : 실캣 으로 만든 거 죠\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이런 거 는 얼마 예요\n",
            "정답점원 : 대충 2만 원 내외 요\n",
            "AI점원 : 이 거 는 삼만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  이런 거 는 물 세탁 됩니까\n",
            "정답점원 : 물 세탁 조금 해도 상관 은 없으세요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  근데 이 거 제 가 한 거 아닌데 약간 올이 나갔네요\n",
            "정답점원 : 이 거 원하시면 주문 가능하세요\n",
            "AI점원 : 네 그럼요 \n",
            "\n",
            "\n",
            "고객 :  또 언제 들어와요\n",
            "정답점원 : 스카프 는 많이 들어오지 않아서 주문 하시는 게 좋아요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이 거 는 목걸이 링 이에요\n",
            "정답점원 : 아뇨 반지 예요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  금 이에요\n",
            "정답점원 : 액세서리 예요 금 아니예요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이 거 한 번 해봐도 돼요\n",
            "정답점원 : 네 가능합니다\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  신 상품 더 들어오죠\n",
            "정답점원 : 네 들어올 거 예요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이 모양 으로 목걸이 팔찌 세트 구입 할까 하는데\n",
            "정답점원 : 똑같은 모양 은 주문 을 넣어야 할 거 같은데요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  가격 은 어떻게 돼요\n",
            "정답점원 : 모양 을 보고 견적 을 내 봐야 해 요\n",
            "AI점원 : 이 거 는 없어요 \n",
            "\n",
            "\n",
            "고객 :  이 금 팔찌 는 무게 가 얼마 정도 인지 확인 할 수 있어요\n",
            "정답점원 : 세 돈 이 조금 넘네요\n",
            "AI점원 : 그거 는 만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  견본 인 팔찌 가 있어요\n",
            "정답점원 : 여기 있습니다\n",
            "AI점원 : 네 잠시 만 기다려주세요 \n",
            "\n",
            "\n",
            "고객 :  여기는 금 매입 도 해 요\n",
            "정답점원 : 네 해 요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이 거 판다 고 얼마 정도 받을 수 있어요\n",
            "정답점원 : 대충 39만 3천 원 정도 나오네요\n",
            "AI점원 : 그 가방 은 이만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  팔찌 두 돈 짜 리도 한 번 보여주시고 다른 거도 보여주세요\n",
            "정답점원 : 유행 하는 로 즈 골드 하셔도 되고 골드 하셔도 돼요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  가격 이 구입 하려면 얼마 인데 요\n",
            "정답점원 : 현금 가격 기준 으로 62만 9천 원 이요\n",
            "AI점원 : 이 거 는 삼만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  이 거 18 케이 예요\n",
            "정답점원 : 네 18 케이 예요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  시내 에 있는 금 도매 상 하고 여기 랑 가격 차이 가 많이 나 요\n",
            "정답점원 : 그 쪽 은 유지비 가 많이 나가니까 아무래도 여기 가 더 싸죠\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  액세서리 세 일 제품 이 있나요\n",
            "정답점원 : 악세서리 어떤 거 찾으세요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  스카프 같은 거\n",
            "정답점원 : 이 거 괜찮아요\n",
            "AI점원 : 네 잠시 만 기다려주세요 \n",
            "\n",
            "\n",
            "고객 :  이건 소재 가 뭐 예요\n",
            "정답점원 : 폴리에스테르 라고 적혀 있네요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  색상 은 이 거 하나 뿐 이고\n",
            "정답점원 : 네 다 빠지고 이 거 하나 예요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  빨 면 좀 그렇지 않을까\n",
            "정답점원 : 조심해야 하는데 면 이 아니니까 집 에서 손 드라이 해도 돼요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이 거 는 가격 이 얼마 예요\n",
            "정답점원 : 16000원 인데 몇 천 원 빼 드릴게요\n",
            "AI점원 : 이 거 는 삼만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  이건 얼마 예요\n",
            "정답점원 : 13000원 입니다\n",
            "AI점원 : 그 가방 은 이만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  이 핑크색 모자 는 애기 들 꺼예요\n",
            "정답점원 : 애기 용 입니다\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  어른 들 꺼는 없어요\n",
            "정답점원 : 다 빠졌어요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  팔찌 제품 따로 있나요\n",
            "정답점원 : 고객 님 이 하실 거 예요\n",
            "AI점원 : 네 이 쪽 에 있습니다 \n",
            "\n",
            "\n",
            "고객 :  네 지금 세 일 기간 이에요\n",
            "정답점원 : 네 당분간 은 할 거 같아요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  한 몇 프로 하는데요\n",
            "정답점원 : 정가 에서 한 40 프로 합니다\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이 거 는 가격 대가 얼마 예요\n",
            "정답점원 : 이 거 샘플 이 14 케이 인데 뭘 로 봐 드릴 까요\n",
            "AI점원 : 이 거 는 삼만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  18 케이 로\n",
            "정답점원 : 18 케이 로 하시면 49만 원 이요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  팔찌 좀 핫 한 제품 뭐 가 있어요\n",
            "정답점원 : 깔끔하게 이런 거 잘나가요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  18 케이 예요\n",
            "정답점원 : 네 맞아요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  돈 수로 따지면 몇 돈 이에요\n",
            "정답점원 : 두 돈반 조금 안 돼요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  얼마 예요\n",
            "정답점원 : 48만 원 정도 요\n",
            "AI점원 : 그 가방 은 이만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  굵은 게 이 거 다예 요\n",
            "정답점원 : 5 돈 6 돈 짜 리도 있어요 굵은 거 찾으시면 이런 건 어떠세요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  너무 사치스러운데 핸드폰 케이스 파는 거 예요\n",
            "정답점원 : 네 맞습니다\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  여기는 가격 이 어떤 게 있어요\n",
            "정답점원 : 기 종이 어떻게 되죠\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  엘지 인데\n",
            "정답점원 : 만 오천 원대 부터 시작 해서 이만 오천 원 까지 있습니다\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  그건 얼마 예요\n",
            "정답점원 : 3만 원 정도 해 요\n",
            "AI점원 : 그 가방 은 이만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  색상 은 이 게 전부 예요\n",
            "정답점원 : 레드 색 인데 핑크 도 있고 보랏빛 퍼플 색도 있고 색상 종류 가 다양해요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  엘지 지 식스 케이스 로 좀 보여주세요\n",
            "정답점원 : 그 기종은 여기 있어요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  이건 얼마 예요\n",
            "정답점원 : 3만 5천 원 입니다\n",
            "AI점원 : 그 가방 은 이만 원 이에요 \n",
            "\n",
            "\n",
            "고객 :  현금 으로 사면 할인 이 된다거나 그런 게 있나요\n",
            "정답점원 : 현금 으로 하면 좀 디씨 해드려요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n",
            "고객 :  반지 이 거 세척 가능해요\n",
            "정답점원 : 월요일 에 해야 해 요\n",
            "AI점원 : 네 \n",
            "\n",
            "\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "fOBDpAVqFOW_"
      },
      "source": [
        ""
      ],
      "execution_count": null,
      "outputs": []
    }
  ]
}