open:딥-러닝을-이용한-자연어-처리-입문 [EL]

This page is read only. You can view the source, but not change it. Ask your administrator if you think this is wrong.
# 딥 러닝을 이용한 자연어 처리 입문


## 2. 텍스트 전처리


  - 3) 어간 추출(Stemming) and 표제어 추출(Lemmatization)
  - 4) 불용어(Stopword)
  - 8) [[원-핫 인코딩]] (One-Hot Encoding)
  - 9) [[데이터의 분리]] (Splitting Data)
  - 10) 단어 분리하기(Byte Pair Encoding, [[BPE]])

## 4. 카운트 기반의 단어 표현

1) 다양한 단어의 표현 방법

  - Word Representation
    - Local Representation (국소 표현)
      - One-hot Vector
      - N-gram
      - Count Based
        - Bag of Words ([[BoW]]) ([[DTM]] 또는 [[TDM]])
    - Continuous Representation (연속 표현)
      - Prediction Based
        - [[Word2Vec]] ([[FastText]])
      - Count Based
        - Full Document
          - [[LSA]]
        - Windows
          - [[Glove]]


4) [[TF-IDF]] (Term Frequency-Inverse Document Frequency)

## 5. 문서 유사도

2) 여러가지 [[유사도 기법]]

## 6. 토픽 모델링(Topic Modeling)

토픽(Topic)은 한국어로 주제라고 합니다. 토픽 모델링이란 기계 학습 및 자연어 처리 분야에서 토픽이라는 문서 집합의 추상적인 주제를 발견하기 위한 통계적 모델 중 하나로, 텍스트 본문의 숨겨진 의미 구조를 발견하기 위해 사용되는 텍스트 마이닝 기법입니다.

1) 잠재 의미 분석(Latent Semantic Analysis, [[LSA]])

## 8. 딥 러닝(Deep Learning)의 개요

- 옵티마이저 ([[Optimizer]])
- 역전파 ([[BackPropagation]])
- 과적합 ([[Overfitting]])
- 케라스 ([[Keras]])

과적합 [[Overfitting]]을 막는 방법

## 9. 순환 신경망(Recurrent Neural Network)



## 출처

- https://wikidocs.net/21707