한빛미디어

자연어는 사람들이 대화하는 언어를 말합니다.

자연어의 의미를 분석하여 컴퓨터가 처리하는 것을 자연어 처리라고 하는데요.

분류로는 음성인식, 내용 요약, 영화 댓글 감성 분석을 예로 들 수 있습니다.

또한 중요도 별 메일 분류를 할 수 있습니다.

이 책은 자연어에 대한 이해를 높이고 단어 임베딩과 모델링도 알려주는데요.

저자의 경험으로 짜인 예제 코드를 따라 하며 이해하는 데 도움 됩니다.

단어에서 유사성과 모호성의 특징을 추출해 문제를 해결하는 방법도 다룹니다.

딥러닝 자연어 처리의 기본부터 심화까지 잘 구성되어 있습니다.

머신러닝과 딥러닝 자연어 처리 활용 사례를 살펴보겠습니다.

◆ 자연어 처리 활용 사례

자연어 처리가 활용되는 사례들을 몇 가지 살펴보도록 하겠습니다.

자연어 처리는 사람들의 말을 어떻게 분석하는지 알아보겠습니다.

영화 댓글 감성의 경우 댓글 데이터를 먼저 수집합니다.

수집한 데이터를 바탕으로 점수와 좋은 댓글과 나쁜 댓글을 구별합니다.

모호한 댓글까지는 구별이 어려울 수 있기에 예상한 대로 잘 들어가는지 확인이 필요합니다.

중요도 별 메일 분류는 메일을 분류하는 반복적인 작업입니다.

특정 키워드와 중요함을 표시하는 것을 컴퓨터가 분석해서 메일을 분류별로 나눠주는 것도 만들어 볼 수 있습니다.

◆ 머신러닝과 딥러닝

구글이 인공지능 알파고를 선보이면서 머신러닝과 딥러닝이 주목받았습니다.

머신러닝을 알려드리겠습니다.

사람들은 고양이와 개를 보면 학습을 해왔기 때문에 눈으로 보면 알 수 있습니다.

컴퓨터도 학습을 시켜 구별하게 하려고 하는 겁니다.

예를 들어 머신러닝으로 고양이와 개를 컴퓨터에 학습을 시킨다고 가정하겠습니다.

학습으로 개와 고양이를 예측할 수 있는데요.

학습한 데이터로 무엇인지 식별하는 겁니다.

딥러닝은 머신러닝의 부분집합 집합으로 대량의 데이터를 분석하는 겁니다.

딥러닝을 하기 위해서는 수학적 내용을 이해해야 합니다.

확률변수와 확률 분포 등 알아야 할 기초 수학도 다룹니다.

원하는 값이 나올지 최대가능도를 추정하는 기초 통계도 알면 도움이 됩니다.

끝으로 머신러닝과 딥러닝을 모르고 책을 보면 좀 어려울 수 있는데요.

어느 정도 지식을 갖추고 책을 보시길 권장합니다.

자연어 처리를 하려면 필요한 수학적 이론을 먼저 공부하는 게 좋습니다.

한번 보고 이해 안 되셔도 다시 보며 지식이 쌓이게 되면 이해하는데 도움 될 것입니다.