최신일반자료 : 국립세종도서관
상세검색 닫기
자료유형
소장자료 상세검색을 위한 표
출판년도 ~
정렬
상세검색 +

자료검색

최신일반자료

글씨 글씨 확대 글씨 축소
한국어 임베딩 = Sentence embeddings using Korean corpora : 자연어 처리 모델의 성능을 높이는 핵심 비결 Word2vec에서 Elmo, Bert까지 / 이기창 지음
한국어 임베딩 = Sentence embeddings using Korean corpora : 자연어 처리 모델의 성능을 높이는 핵심 비결 Word2vec에서 Elmo, Bert까지 책표지
  • ·표제/책임표시사항 한국어 임베딩 = Sentence embeddings using Korean corpora : 자연어 처리 모델의 성능을 높이는 핵심 비결 Word2vec에서 Elmo, Bert까지 / 이기창 지음
  • ·발행사항 서울 : 에이콘, 2019
  • ·형태사항 347 p. :천연색삽화, 도표 ;24 cm
  • ·총서사항 (에이콘 데이터 과학 시리즈)
  • ·주기사항 감수자: Naver Chatbot Model
    참고문헌과 색인수록
  • ·표준번호/부호 ISBN: 9791161753508  93000: \35000 
  • ·분류기호 한국십진분류법-> 004.735  듀이십진분류법-> 006.35  
  • ·주제명
권별정보 자료위치출력

※ 좌우로 스크롤하시면 내용이 보입니다.

권별정보 안내
신청 편/권차 편제 저작자 발행년도 등록번호 청구기호 자료이용하는곳 자료상태 예약자 반납예정일 매체구분
이기창 지음 2019 SE0000471254 004.735-19-1 일반자료실(2층) 대출 가능 0 - 인쇄자료(책자형) 
이기창 지음 2019 SE0000472546 004.735-19-1=2 일반자료실(2층) 대출중 0 - 인쇄자료(책자형) 
서가 둘러보기
서가둘러보기 로딩중

목차


목차

추천의 글-5
지은이 소개-8
기술 감수자 소개-9
지은이의 말-10
들어가며-22

01 서론-27
1.1 임베딩이란-28
1.2 임베딩의 역할-30
1.3 임베딩 기법의 역사와 종류-36
1.4 개발 환경-43
1.5 이 책이 다루는 데이터와 주요 용어-53
1.6 이 장의 요약-55
1.7 참고 문헌-56

02 벡터가 어떻게 의미를 가지게 되는가-57
2.1 자연어 계산과 이해-58
2.2 어떤 단어가 많이 쓰였는가-59
2.3 단어가 어떤 순서로 쓰였는가-64
2.4 어떤 단어가 같이 쓰였는가-70
2.5 이 장의 요약-77
2.6 참고 문헌-77

03 한국어 전처리-79
3.1 데이터 확보-80
3.2 지도 학습 기반 형태소 분석-93
3.3 비지도 학습 기반 형태소 분석-101
3.4 이 장의 요약-109
3.5 참고 문헌-109

04 단어 수준 임베딩-111
4.1 NPLM-113
4.2 Word2Vec-119
4.3 FastText-128
4.4 잠재 의미 분석-136
4.5 GloVe-143
4.6 Swivel-147
4.7 어떤 단어 임베딩을 사용할 것인가-151
4.8 가중 임베딩-160
4.9 이 장의 요약-172
4.10 참고 문헌-173

05 문장 수준 임베딩-175
5.1 잠재 의미 분석-177
5.2 Doc2Vec-183
5.3 잠재 디리클레 할당-190
5.4 ELMo-203
5.5 트랜스포머 네트워크-219
5.6 BERT-227
5.7 이 장의 요약-240
5.8 참고 문헌-241

06 임베딩 파인 튜닝-243
6.1 프리트레인과 파인 튜닝-244
6.2 분류를 위한 파이프라인 만들기-246
6.3 단어 임베딩 활용-252
6.4 ELMo 활용-263
6.5 BERT 활용-273
6.6 어떤 문장 임베딩을 사용할 것인가-283
6.7 이 장의 요약-287
6.8 참고 문헌-288

부록-289
A 선형대수학 기초-290
  A.1 벡터, 행렬 연산-291
  A.2 내적과 공분산-294
  A.3 내적과 사영-296
  A.4 내적과 선형변환-297
  A.5 행렬 분해 기반 차원 축소 (1): 주성분 분석(PCA)-299
  A.6 행렬 분해 기반 차원 축소 (2): 특이값 분해(SVD)-303

B 확률론 기초-304
  B.1 확률변수와 확률 분포-304
  B.2 베이지안 확률론-311

C 뉴럴 네트워크 기초-314
  C.1 DAG로 이해하는 뉴럴 네트워크-314
  C.2 뉴럴 네트워크는 확률모델이다-316
  C.3 최대우도추정과 학습 손실-317
  C.4 그래디언트 디센트-319
  C.5 계산 노드별 역전파-321
  C.6 CNN과 RNN-327

D 국어학 기초-328
  D.1 통사 단위-328
  D.2 문장 유형-329
  D.3 품사-330
  D.4 상과 시제-332
  D.5 주제-333
  D.6 높임-334
  D.7 양태-335
  D.8 의미역-336
  D.9 피동-336
  D.10 사동-337
  D.11 부정-337

참고 문헌-339
찾아보기-341