소셜 미디어의 지수적 성장으로 인해 실시간으로 비정형 공중 감성을 분석할 수 있는 자동화 시스템에 대한 시급한 수요가 발생했습니다. 본 연구는 Sentiment140 데이터셋의 10,000 개 트윗 하위집합에서 전통적인 TF-IDF 특징을 사용하는 로지스틱 회귀 (Logistic Regression) 모델과 딥러닝 BiLSTM (Bidirectional Long Short-Term Memory) 아키텍처를 비교 분석했습니다. 실험 결과는 로지스틱 회귀가 73.5% 의 정확도를 달성하고, BiLSTM 은 69.17% 를 기록하며 우위임을 보여주었습니다. 또한 딥러닝 모델은 경미한 과적합 (overfitting) 을 보였습니다. 이러한 발견들은 중간 규모의 비정형 텍스트 데이터의 경우 고전적인 머신러닝이 강력한 특징 추출을 통해 더 복잡한 딥러닝 접근법을 능가할 수 있음을 시사합니다. 마지막으로, 훈련된 모델은 Streamlit 을 사용하여 인터랙티브 웹 애플리케이션에 통합되어 Hugging Face Spaces 에 배포되어 공개적으로 이용 가능합니다.