SlideShare ist ein Scribd-Unternehmen logo
1 von 77
Downloaden Sie, um offline zu lesen
어떻게 해야 기계에게 글을 잘 읽고
말할 수 있게 할까?
강원대학교 자연어처리 연구실
이현구
E-mail : nlphglee@kangwon.ac.kr
Homepage : http://nlp.kangwon.ac.kr
발표에서 다룰 내용
• Machine Reading Comprehension
– 어떻게 글을 기계가 잘 이해하도록 표현할까?
– 어떻게 해야 잘 읽을 수 있을까?
– 정답은 어떻게 해야 더 잘 찾아낼 수 있을까?
2
연구의 계기
• 질의응답을 함께 할 수 있는 챗봇
3
저기… 물어보고 싶은 것이 있어
그것이 무엇인가요?
미국의 대통령 이름이 뭐야?
도널드 트럼프입니다.
연구의 계기
• 기계가 질의응답을 하는 방법
4
연구의 계기
• 기계가 질의응답을 하는 방법
– 지식 베이스
• 정형화 데이터가 필요함
5
연구의 계기
• 기계가 질의응답을 하는 방법
– 지식 베이스
• 정형화 데이터가 필요함
– 학습을 통한 암기
• 암기 데이터를 제외하면 대답을 못함
6
연구의 계기
• 기계가 질의응답을 하는 방법
– 지식 베이스
• 정형화 데이터가 필요함
– 학습을 통한 암기
• 암기 데이터를 제외하면 대답을 못함
– 읽기 & 추출
• 소스 데이터에 나타나는 정확한 위치를 찾아내야 함
7
연구의 계기
• 기계가 질의응답을 하는 방법
– 지식 베이스
• 정형화 데이터가 필요함
– 학습을 통한 암기
• 암기 데이터를 제외하면 대답을 못함
– 읽기 & 추출
• 소스 데이터에 나타나는 정확한 위치를 찾아내야 함
8
하고 싶은 것
9
대한민국(大韓民國, 영어: Republic of Korea; ROK, 문화어: 남
조선; 南朝鮮), 약칭으로 한국(韓國), 남한(南韓)은 동아시아의
한반도 남부에 있는 공화국이다. 서쪽으로는 서해를 사이에
두고 중화인민공화국이, 동쪽으로는 동해를 사이에 두고 일본
이 있으며 북쪽으로는 조선민주주의인민공화국과 맞닿아 있
다. 수도는 서울특별시이며, 국기는 태극기, 국가는 애국가, 공
용어는 한국어이다.
Q: 대한민국 서쪽에는 어느 나라가 있나?
하고 싶은 것
10
대한민국(大韓民國, 영어: Republic of Korea; ROK, 문화어: 남
조선; 南朝鮮), 약칭으로 한국(韓國), 남한(南韓)은 동아시아의
한반도 남부에 있는 공화국이다. 서쪽으로는 서해를 사이에
두고 중화인민공화국이, 동쪽으로는 동해를 사이에 두고 일본
이 있으며 북쪽으로는 조선민주주의인민공화국과 맞닿아 있
다. 수도는 서울특별시이며, 국기는 태극기, 국가는 애국가, 공
용어는 한국어이다.
Q: 대한민국 서쪽에는 어느 나라가 있나?
하고 싶은 것
11
대한민국(大韓民國, 영어: Republic of Korea; ROK, 문화어: 남
조선; 南朝鮮), 약칭으로 한국(韓國), 남한(南韓)은 동아시아의
한반도 남부에 있는 공화국이다. 서쪽으로는 서해를 사이에
두고 중화인민공화국이, 동쪽으로는 동해를 사이에 두고 일본
이 있으며 북쪽으로는 조선민주주의인민공화국과 맞닿아 있
다. 수도는 서울특별시이며, 국기는 태극기, 국가는 애국가, 공
용어는 한국어이다.
Q: 대한민국 서쪽에는 어느 나라가 있나?
서쪽에는 중화인민공화국이 있네요
읽기 & 추출
• WikiReading (Hewlett et al., 2016)
12
읽기 & 추출
• 질문 데이터가 필요한데…
13
14
그러다 발견
Machine Reading Comprehension
• 훌륭한 데이터(문장 형태의 답은 아니지만…)
– Stanford Question Answering Dataset(SQuAD)
• 각종 기술의 집결체
– Attention, Embedding 등…
• 오픈소스까지!!
15
Machine Reading Comprehension
• 기계가 글과 질문을 읽고
16
Machine Reading Comprehension
• 기계가 글과 질문을 읽고
• 추론을 하여
17
Machine Reading Comprehension
• 기계가 글과 질문을 읽고
• 추론을 하여
• 글에서 정답을 찾아주는 것
18
Machine Reading Comprehension
19
Machine Reading Comprehension
• Bi-Directional Attention Flow (Seo et al., 2017)
20
모델들의 공통적인 구조
• Encoder
– 질의와 문맥을 벡터로 표현
• Co-attention
– 상호 Attention을 통해 문맥과 질의 간의 관계 파악
• Output
– 질문에 해당하는 정답 단어의 시작과 끝 위치 출력
21
성능 향상의 방법
22
Encoder
좀 더 잘 표현
성능 향상의 방법
23
Encoder
좀 더 잘 표현
Co-Attention
질문을 정확히
이해
성능 향상의 방법
24
Encoder
좀 더 잘 표현
Co-Attention
질문을 정확히
이해
Output
정확한 경계
를 찾기
Encoder
• Word-level Embedding
• Character-level Embedding
• Contextual Embedding
• Feature
25
Word-level Embedding
• 단어를 기계가 알아들을 수 있는 숫자로 표현
• One-hot representation
26
One-hot representation
27
유사한 단어를 인식할 수 없음
Word2Vec
• CBOW
• Skip-gram
28
Word2Vec
• 비슷한 단어는 가까운 벡터 공간에 사상
29
Advanced Word-level Embedding
• GloVe
– 문서 전체의 동시 등장 확률을 함께 학습
• fastText
– 부분 단어(subword)로 학습하여 노이즈에 강함
30
결국 무엇을 써야하나?
• 많은 논문들은 GloVe 사용
• 개인적인 실험
– GloVe ≈ fastText
• 결국은 GloVe
– 공개된 데이터의 단어 커버리지가 높음
• GloVe : 2,196,017개
• fastText : 1,000,000개
31
Character-level Embedding
• RNN vs CNN
32
a p p l e
RNN
a p p l e
pooling
CNN
Character-level Embedding
• 성능
– RNN ≈ CNN
• 속도
– RNN < CNN
• RNN은 병렬화가 어려움
33
Contextual Embedding
• CoVe (McCann et al., 2017)
– MT-LSTM을 통한 사전학습
• ELMo (Peters et al., 2018)
– Language Model을 통한 사전학습
34
나 ?? 사과 가 정말 좋 아
Language Model이란?
얼마나 좋길래?
• 성능이 매우 향상됨
35
Feature
• 어휘 정보 외 추가적인 정보
– Linguistic feature
• POS, Named Entity, Dependency Label…
– Term frequency
– Co-occurrence
• Context와 Question 모두에 나타나는가?
– Soft alignment
• GloVe 벡터 간의 내적 유사도
36
왜 써야하나?
• 사람이 직접 문제를 풀 때를 생각
– 품사를 보고 정답 위치를 유추
• 조사의 경우 앞 혹은 뒤쪽에 정보가 나타남
• 어미의 경우 문장의 끝을 나타냄을 알 수 있음
• 고유명사, 영어, 수사, 숫자 등은 정답과 직접적 관련이 있음
– 구문적인 구조를 생각해 정답 위치를 유추
– 질의 타입(예: Who, Where)과 개체명을 대입
37
자질이 도움이 되는 예
38
… Newton was sacked by DeMarcus Ware as time
expired in the half.
Who was sacked as the first half clock expired?Question
Context
그런데….
39
문제가 생기는 경우
• 단순히 자질 벡터를 사용하면?
– 자질 간 간섭 문제 발생
• 개체명은 맞다고 생각하는데 의존 구문은 아니라고 판단
• 복잡도가 상승되어 성능 하락 가능성 발생
– 성능 향상에 도움되는 자질을 선별 필요
• 실험을 통해 판단 해야함
• 인적 자원 및 컴퓨팅 자원 낭비
– 오류 전파
• 언어 분석이 잘못되면 오류가 전파됨
40
어떻게 해결할까?
• 여러분은 어떤 문제를 해결할 때 주어진 정보가
필요 없다고 판단하면 어떻게 하시나요?
41
어떻게 해결할까?
• 여러분은 어떤 문제를 해결할 때 주어진 정보가
필요 없다고 판단하면 어떻게 하시나요?
• 중요하지 않다고 생각
42
어떻게 해결할까?
• 여러분은 어떤 문제를 해결할 때 주어진 정보가
필요 없다고 판단하면 어떻게 하시나요?
• 중요하지 않다고 생각
• 새로운 중요한 정보를 찾음
43
어떻게 해결할까?
• 여러분은 어떤 문제를 해결할 때 주어진 정보가
필요 없다고 판단하면 어떻게 하시나요?
• 중요하지 않다고 생각
• 새로운 중요한 정보를 찾음
• 기계도 똑같게 정보의 중요도를 판단하게 해주
면 됨!!
44
Encoding
• 문맥이 반영되도록 모델링
– Bi-RNN
– Transformer (Vaswani et al., 2017)
45
Word Embedding
Character Embedding
ELMo Vector
Feature
Co-Attention
• Attention mechanism
46
…
Attention mechanism
47
Donald John Trump is the 45th and current President of the USA.
Who leads the United States?Q
C
Attention mechanism
48
Donald John Trump is the 45th and current President of the USA.
Who leads the United States?Q
C
Attention mechanism
49
Donald John Trump is the 45th and current President of the USA.
Who leads the United States?Q
C
Attention mechanism
50
Donald John Trump is the 45th and current President of the USA.
Who leads the United States?Q
C
Co-Attention
• Bi-directional Attention
• Fully-aware Attention
• Self Attention
51
Bi-directional Attention
52
• Bi-Directional Attention Flow (Seo et al., 2017)
Bi-directional Attention
53
Donald John Trump is the 45th and current President of the USA.
Who leads the United States?Q
C
Bi-directional Attention
54
Donald John Trump is the 45th and current President of the USA.
Who leads the United States?Q
C
Fully-aware Attention
• 모델이 깊어질 수록 고차원의 추상화
55
Fully-aware Attention
• FusionNet (Huang et al., 2017)
56
Self Attention
• R-Net (Wang et al., 2017)
– 자기 자신과 Attention
– 기존 Attention은 서로 다른 문장 간의 관계
– Self Attention은 같은 문장 내에 단어들 간의 관계
57
Self Attention
58
Self Attention
• 사용할 때 주의할 점
– 같은 문장을 집중
– 동일한 단어에 가중치를 주는 대각행렬 모양의 결과
59
철수 는 영희 를
철수
는
영희
를
Self Attention
• 동일한 단어의 위치를 무시
60
철수 는 영희 를
철수
는
영희
를
Output
• 정답이 나타나는 곳의 위치를 찍어주기
61
Donald John Trump is the 45th and current President of the USA.
Who leads the United States?Q
C
Output
• 정답이 나타나는 곳의 위치를 찍어주기
62
Donald John Trump is the 45th and current President of the USA.
Who leads the United States?Q
C
Start End
어떻게 찍을까?
• Start, End의 확률 분포를 통해 계산
63
어떻게 찍을까?
• Pointer Networks 통해 계산
64
여기서도 자질이 도움이 될까?
• 마피아 게임
65
1
2
34
5
정황을 봐서
는 3번이 마피
아 같은데?
여기서도 자질이 도움이 될까?
• 마피아 게임
66
1
2
34
5
3번이 말을 더
듬고 동공이
흔들렸어!
확인해보자
67
… Newton was sacked by DeMarcus Ware as time
expired in the half.
Who was sacked as the first half clock expired?Question
Context
확인해보자
68
… Newton was sacked by DeMarcus Ware as time
expired in the half.
Who was sacked as the first half clock expired?Question
Context
확인해보자
69
… Newton was sacked by DeMarcus Ware as time
expired in the half.
Who was sacked as the first half clock expired?Question
Context
학습 방법
• Negative log probability
• REINFORCE algorithm (Williams 1992)
70
강화학습을 쓰면?
• 적은 학습 데이터에서 효율
– 한국어 20,000개 데이터
• 데이터가 많으면?
– 성능은 비슷하나 학습 속도 차이가 심함
• 예측 후 학습해야 함
71
Model Exact Match F1-Score
without Reinforcement Learning 43.70 69.39
with Reinforcement Learning 45.66 72.90
어디까지 왔나?
• 사람과 유사, 혹은 더욱 잘하게 됨
72
말은 어떻게 할까?
• 가장 쉬운 접근법
– Output layer를 생성 모델로 변경
73
하지만 데이터가 없는데…
• 다른 방식을 선택
– Zero-shot learning
• Zero-Shot Relation Extraction via Reading Comprehension
(Omer et al., 2017)
– Knowledge-Based Question Answering
• Generating Natural Answers by Incorporating Copying and
Retrieving Mechanisms in Sequence-to-Sequence Learning
(He et al., 2017)
• 지식 기반 채팅 시스템에서의 어휘 반복 문제 해결 (김시형,
김학수, 2018)
74
나아가야 할 길
• 문맥에 질문에 대한 내용이 없을 때
– SQuAD v2.0
• 자연어 문장 생성
– 단어가 아닌 자연스러운 문장
• 적은 데이터로도 확실하게
• 도메인에 종속적이지 않도록
75
자비스를 꿈꾸며
76
Q&A
77

Weitere ähnliche Inhalte

Was ist angesagt?

確率ロボティクス第五回
確率ロボティクス第五回確率ロボティクス第五回
確率ロボティクス第五回Ryuichi Ueda
 
Variational Autoencoder를 여러 가지 각도에서 이해하기 (Understanding Variational Autoencod...
Variational Autoencoder를 여러 가지 각도에서 이해하기 (Understanding Variational Autoencod...Variational Autoencoder를 여러 가지 각도에서 이해하기 (Understanding Variational Autoencod...
Variational Autoencoder를 여러 가지 각도에서 이해하기 (Understanding Variational Autoencod...Haezoom Inc.
 
識別モデルと生成モデルと損失データ
識別モデルと生成モデルと損失データ識別モデルと生成モデルと損失データ
識別モデルと生成モデルと損失データShohei Miyashita
 
알아두면 쓸데있는 신비한 딥러닝 이야기
알아두면 쓸데있는 신비한 딥러닝 이야기알아두면 쓸데있는 신비한 딥러닝 이야기
알아두면 쓸데있는 신비한 딥러닝 이야기Kwangsik Lee
 
딥러닝 자연어처리 - RNN에서 BERT까지
딥러닝 자연어처리 - RNN에서 BERT까지딥러닝 자연어처리 - RNN에서 BERT까지
딥러닝 자연어처리 - RNN에서 BERT까지deepseaswjh
 
기계학습 / 딥러닝이란 무엇인가
기계학습 / 딥러닝이란 무엇인가기계학습 / 딥러닝이란 무엇인가
기계학습 / 딥러닝이란 무엇인가Yongha Kim
 
画像認識のための深層学習
画像認識のための深層学習画像認識のための深層学習
画像認識のための深層学習Saya Katafuchi
 
パターン認識 04 混合正規分布
パターン認識 04 混合正規分布パターン認識 04 混合正規分布
パターン認識 04 混合正規分布sleipnir002
 
Cs231n 2017 lecture13 Generative Model
Cs231n 2017 lecture13 Generative ModelCs231n 2017 lecture13 Generative Model
Cs231n 2017 lecture13 Generative ModelYanbin Kong
 
論文紹介 Semi-supervised Learning with Deep Generative Models
論文紹介 Semi-supervised Learning with Deep Generative Models論文紹介 Semi-supervised Learning with Deep Generative Models
論文紹介 Semi-supervised Learning with Deep Generative ModelsSeiya Tokui
 
ラビットチャレンジ 機械学習レポート
ラビットチャレンジ 機械学習レポートラビットチャレンジ 機械学習レポート
ラビットチャレンジ 機械学習レポートKazuyukiMasada
 
自然方策勾配法の基礎と応用
自然方策勾配法の基礎と応用自然方策勾配法の基礎と応用
自然方策勾配法の基礎と応用Ryo Iwaki
 
Robot frontier lesson2
Robot frontier lesson2Robot frontier lesson2
Robot frontier lesson2Ryuichi Ueda
 
지적 대화를 위한 깊고 넓은 딥러닝 PyCon APAC 2016
지적 대화를 위한 깊고 넓은 딥러닝 PyCon APAC 2016지적 대화를 위한 깊고 넓은 딥러닝 PyCon APAC 2016
지적 대화를 위한 깊고 넓은 딥러닝 PyCon APAC 2016Taehoon Kim
 
[DL輪読会]SeqGan Sequence Generative Adversarial Nets with Policy Gradient
[DL輪読会]SeqGan Sequence Generative Adversarial Nets with Policy Gradient[DL輪読会]SeqGan Sequence Generative Adversarial Nets with Policy Gradient
[DL輪読会]SeqGan Sequence Generative Adversarial Nets with Policy GradientDeep Learning JP
 
Google AlphaGo, 어떻게 동작할까요?
Google AlphaGo, 어떻게 동작할까요?Google AlphaGo, 어떻게 동작할까요?
Google AlphaGo, 어떻게 동작할까요?Lee Ji Eun
 
木と電話と選挙(causalTree)
木と電話と選挙(causalTree)木と電話と選挙(causalTree)
木と電話と選挙(causalTree)Shota Yasui
 
Demystifying NLP Transformers: Understanding the Power and Architecture behin...
Demystifying NLP Transformers: Understanding the Power and Architecture behin...Demystifying NLP Transformers: Understanding the Power and Architecture behin...
Demystifying NLP Transformers: Understanding the Power and Architecture behin...NILESH VERMA
 
Rnn개념정리
Rnn개념정리Rnn개념정리
Rnn개념정리종현 최
 

Was ist angesagt? (20)

確率ロボティクス第五回
確率ロボティクス第五回確率ロボティクス第五回
確率ロボティクス第五回
 
Variational Autoencoder를 여러 가지 각도에서 이해하기 (Understanding Variational Autoencod...
Variational Autoencoder를 여러 가지 각도에서 이해하기 (Understanding Variational Autoencod...Variational Autoencoder를 여러 가지 각도에서 이해하기 (Understanding Variational Autoencod...
Variational Autoencoder를 여러 가지 각도에서 이해하기 (Understanding Variational Autoencod...
 
識別モデルと生成モデルと損失データ
識別モデルと生成モデルと損失データ識別モデルと生成モデルと損失データ
識別モデルと生成モデルと損失データ
 
알아두면 쓸데있는 신비한 딥러닝 이야기
알아두면 쓸데있는 신비한 딥러닝 이야기알아두면 쓸데있는 신비한 딥러닝 이야기
알아두면 쓸데있는 신비한 딥러닝 이야기
 
딥러닝 자연어처리 - RNN에서 BERT까지
딥러닝 자연어처리 - RNN에서 BERT까지딥러닝 자연어처리 - RNN에서 BERT까지
딥러닝 자연어처리 - RNN에서 BERT까지
 
기계학습 / 딥러닝이란 무엇인가
기계학습 / 딥러닝이란 무엇인가기계학습 / 딥러닝이란 무엇인가
기계학습 / 딥러닝이란 무엇인가
 
画像認識のための深層学習
画像認識のための深層学習画像認識のための深層学習
画像認識のための深層学習
 
パターン認識 04 混合正規分布
パターン認識 04 混合正規分布パターン認識 04 混合正規分布
パターン認識 04 混合正規分布
 
Cs231n 2017 lecture13 Generative Model
Cs231n 2017 lecture13 Generative ModelCs231n 2017 lecture13 Generative Model
Cs231n 2017 lecture13 Generative Model
 
論文紹介 Semi-supervised Learning with Deep Generative Models
論文紹介 Semi-supervised Learning with Deep Generative Models論文紹介 Semi-supervised Learning with Deep Generative Models
論文紹介 Semi-supervised Learning with Deep Generative Models
 
ラビットチャレンジ 機械学習レポート
ラビットチャレンジ 機械学習レポートラビットチャレンジ 機械学習レポート
ラビットチャレンジ 機械学習レポート
 
自然方策勾配法の基礎と応用
自然方策勾配法の基礎と応用自然方策勾配法の基礎と応用
自然方策勾配法の基礎と応用
 
Robot frontier lesson2
Robot frontier lesson2Robot frontier lesson2
Robot frontier lesson2
 
지적 대화를 위한 깊고 넓은 딥러닝 PyCon APAC 2016
지적 대화를 위한 깊고 넓은 딥러닝 PyCon APAC 2016지적 대화를 위한 깊고 넓은 딥러닝 PyCon APAC 2016
지적 대화를 위한 깊고 넓은 딥러닝 PyCon APAC 2016
 
[DL輪読会]SeqGan Sequence Generative Adversarial Nets with Policy Gradient
[DL輪読会]SeqGan Sequence Generative Adversarial Nets with Policy Gradient[DL輪読会]SeqGan Sequence Generative Adversarial Nets with Policy Gradient
[DL輪読会]SeqGan Sequence Generative Adversarial Nets with Policy Gradient
 
Google AlphaGo, 어떻게 동작할까요?
Google AlphaGo, 어떻게 동작할까요?Google AlphaGo, 어떻게 동작할까요?
Google AlphaGo, 어떻게 동작할까요?
 
木と電話と選挙(causalTree)
木と電話と選挙(causalTree)木と電話と選挙(causalTree)
木と電話と選挙(causalTree)
 
Demystifying NLP Transformers: Understanding the Power and Architecture behin...
Demystifying NLP Transformers: Understanding the Power and Architecture behin...Demystifying NLP Transformers: Understanding the Power and Architecture behin...
Demystifying NLP Transformers: Understanding the Power and Architecture behin...
 
RNNLM
RNNLMRNNLM
RNNLM
 
Rnn개념정리
Rnn개념정리Rnn개념정리
Rnn개념정리
 

Ähnlich wie 어떻게 해야 기계에게 글을 잘 읽고 말할 수 있게 할까?

[개발자영어 #4] 개발 관련 질문과 대답 방법
[개발자영어 #4] 개발 관련 질문과 대답 방법[개발자영어 #4] 개발 관련 질문과 대답 방법
[개발자영어 #4] 개발 관련 질문과 대답 방법Jay Park
 
20140127 액션러닝 원장님강의
20140127 액션러닝 원장님강의20140127 액션러닝 원장님강의
20140127 액션러닝 원장님강의humana12
 
두 번째 startlink.live: 박성원 (ntopia) - PS가 이렇게 해롭습니다. 여러분!
두 번째 startlink.live: 박성원 (ntopia) - PS가 이렇게 해롭습니다. 여러분!두 번째 startlink.live: 박성원 (ntopia) - PS가 이렇게 해롭습니다. 여러분!
두 번째 startlink.live: 박성원 (ntopia) - PS가 이렇게 해롭습니다. 여러분!Startlink
 
1910 tfkr3 warnikchow
1910 tfkr3 warnikchow1910 tfkr3 warnikchow
1910 tfkr3 warnikchowWarNik Chow
 
150329_GradSchoolOrientation.pdf
150329_GradSchoolOrientation.pdf150329_GradSchoolOrientation.pdf
150329_GradSchoolOrientation.pdftaehyeokjang2
 
데이터를 얻으려는 노오오력
데이터를 얻으려는 노오오력데이터를 얻으려는 노오오력
데이터를 얻으려는 노오오력Youngjae Kim
 
25년전의 나에게 (대학원 신입생이 꼭 알아야할 연구실 생활의 팁)
25년전의 나에게 (대학원 신입생이 꼭 알아야할 연구실 생활의 팁)25년전의 나에게 (대학원 신입생이 꼭 알아야할 연구실 생활의 팁)
25년전의 나에게 (대학원 신입생이 꼭 알아야할 연구실 생활의 팁)KAIST
 
왓슨컴퓨터의 인공지능
왓슨컴퓨터의 인공지능왓슨컴퓨터의 인공지능
왓슨컴퓨터의 인공지능SeokWon Kim
 
고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들
고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들
고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들Chris Ohk
 
Brief hystory of NLP and Word2Vec
Brief hystory of NLP and Word2VecBrief hystory of NLP and Word2Vec
Brief hystory of NLP and Word2VecSilverQ
 
인공지능시대의 한국어 정보처리
인공지능시대의 한국어 정보처리인공지능시대의 한국어 정보처리
인공지능시대의 한국어 정보처리휘웅 정
 
2014 12-16 굴포초 북부5차원융합인재교육연구회-요약기술활용 교사연수
2014 12-16 굴포초 북부5차원융합인재교육연구회-요약기술활용 교사연수2014 12-16 굴포초 북부5차원융합인재교육연구회-요약기술활용 교사연수
2014 12-16 굴포초 북부5차원융합인재교육연구회-요약기술활용 교사연수동민 김
 
Managing uncertainty in time expression for virtual assistant
Managing uncertainty in time expression for virtual assistantManaging uncertainty in time expression for virtual assistant
Managing uncertainty in time expression for virtual assistantByungjoon Kim
 
Human-Machine Interaction and AI
Human-Machine Interaction and AIHuman-Machine Interaction and AI
Human-Machine Interaction and AIDataya Nolja
 
2013 이 시대의 인재란
2013 이 시대의 인재란2013 이 시대의 인재란
2013 이 시대의 인재란Young Sung Son
 
텀블러 유저빌리티 보고서
텀블러 유저빌리티 보고서텀블러 유저빌리티 보고서
텀블러 유저빌리티 보고서Leonardo Kim
 
인공지능기반 디지털교과서비스 전략 탐색
인공지능기반 디지털교과서비스 전략 탐색인공지능기반 디지털교과서비스 전략 탐색
인공지능기반 디지털교과서비스 전략 탐색Euisuk Jeong
 
[강의제안서] 생각경영법 - 임직원의 생각 생산성을 높이다.
[강의제안서] 생각경영법 - 임직원의 생각 생산성을 높이다.[강의제안서] 생각경영법 - 임직원의 생각 생산성을 높이다.
[강의제안서] 생각경영법 - 임직원의 생각 생산성을 높이다.철수 김
 
리더의 생각경영법 강의제안서(2018) v1.0
리더의 생각경영법 강의제안서(2018) v1.0리더의 생각경영법 강의제안서(2018) v1.0
리더의 생각경영법 강의제안서(2018) v1.0철수 김
 

Ähnlich wie 어떻게 해야 기계에게 글을 잘 읽고 말할 수 있게 할까? (20)

[개발자영어 #4] 개발 관련 질문과 대답 방법
[개발자영어 #4] 개발 관련 질문과 대답 방법[개발자영어 #4] 개발 관련 질문과 대답 방법
[개발자영어 #4] 개발 관련 질문과 대답 방법
 
How to study
How to studyHow to study
How to study
 
20140127 액션러닝 원장님강의
20140127 액션러닝 원장님강의20140127 액션러닝 원장님강의
20140127 액션러닝 원장님강의
 
두 번째 startlink.live: 박성원 (ntopia) - PS가 이렇게 해롭습니다. 여러분!
두 번째 startlink.live: 박성원 (ntopia) - PS가 이렇게 해롭습니다. 여러분!두 번째 startlink.live: 박성원 (ntopia) - PS가 이렇게 해롭습니다. 여러분!
두 번째 startlink.live: 박성원 (ntopia) - PS가 이렇게 해롭습니다. 여러분!
 
1910 tfkr3 warnikchow
1910 tfkr3 warnikchow1910 tfkr3 warnikchow
1910 tfkr3 warnikchow
 
150329_GradSchoolOrientation.pdf
150329_GradSchoolOrientation.pdf150329_GradSchoolOrientation.pdf
150329_GradSchoolOrientation.pdf
 
데이터를 얻으려는 노오오력
데이터를 얻으려는 노오오력데이터를 얻으려는 노오오력
데이터를 얻으려는 노오오력
 
25년전의 나에게 (대학원 신입생이 꼭 알아야할 연구실 생활의 팁)
25년전의 나에게 (대학원 신입생이 꼭 알아야할 연구실 생활의 팁)25년전의 나에게 (대학원 신입생이 꼭 알아야할 연구실 생활의 팁)
25년전의 나에게 (대학원 신입생이 꼭 알아야할 연구실 생활의 팁)
 
왓슨컴퓨터의 인공지능
왓슨컴퓨터의 인공지능왓슨컴퓨터의 인공지능
왓슨컴퓨터의 인공지능
 
고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들
고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들
고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들
 
Brief hystory of NLP and Word2Vec
Brief hystory of NLP and Word2VecBrief hystory of NLP and Word2Vec
Brief hystory of NLP and Word2Vec
 
인공지능시대의 한국어 정보처리
인공지능시대의 한국어 정보처리인공지능시대의 한국어 정보처리
인공지능시대의 한국어 정보처리
 
2014 12-16 굴포초 북부5차원융합인재교육연구회-요약기술활용 교사연수
2014 12-16 굴포초 북부5차원융합인재교육연구회-요약기술활용 교사연수2014 12-16 굴포초 북부5차원융합인재교육연구회-요약기술활용 교사연수
2014 12-16 굴포초 북부5차원융합인재교육연구회-요약기술활용 교사연수
 
Managing uncertainty in time expression for virtual assistant
Managing uncertainty in time expression for virtual assistantManaging uncertainty in time expression for virtual assistant
Managing uncertainty in time expression for virtual assistant
 
Human-Machine Interaction and AI
Human-Machine Interaction and AIHuman-Machine Interaction and AI
Human-Machine Interaction and AI
 
2013 이 시대의 인재란
2013 이 시대의 인재란2013 이 시대의 인재란
2013 이 시대의 인재란
 
텀블러 유저빌리티 보고서
텀블러 유저빌리티 보고서텀블러 유저빌리티 보고서
텀블러 유저빌리티 보고서
 
인공지능기반 디지털교과서비스 전략 탐색
인공지능기반 디지털교과서비스 전략 탐색인공지능기반 디지털교과서비스 전략 탐색
인공지능기반 디지털교과서비스 전략 탐색
 
[강의제안서] 생각경영법 - 임직원의 생각 생산성을 높이다.
[강의제안서] 생각경영법 - 임직원의 생각 생산성을 높이다.[강의제안서] 생각경영법 - 임직원의 생각 생산성을 높이다.
[강의제안서] 생각경영법 - 임직원의 생각 생산성을 높이다.
 
리더의 생각경영법 강의제안서(2018) v1.0
리더의 생각경영법 강의제안서(2018) v1.0리더의 생각경영법 강의제안서(2018) v1.0
리더의 생각경영법 강의제안서(2018) v1.0
 

Mehr von NAVER Engineering

디자인 시스템에 직방 ZUIX
디자인 시스템에 직방 ZUIX디자인 시스템에 직방 ZUIX
디자인 시스템에 직방 ZUIXNAVER Engineering
 
진화하는 디자인 시스템(걸음마 편)
진화하는 디자인 시스템(걸음마 편)진화하는 디자인 시스템(걸음마 편)
진화하는 디자인 시스템(걸음마 편)NAVER Engineering
 
서비스 운영을 위한 디자인시스템 프로젝트
서비스 운영을 위한 디자인시스템 프로젝트서비스 운영을 위한 디자인시스템 프로젝트
서비스 운영을 위한 디자인시스템 프로젝트NAVER Engineering
 
BPL(Banksalad Product Language) 무야호
BPL(Banksalad Product Language) 무야호BPL(Banksalad Product Language) 무야호
BPL(Banksalad Product Language) 무야호NAVER Engineering
 
이번 생에 디자인 시스템은 처음이라
이번 생에 디자인 시스템은 처음이라이번 생에 디자인 시스템은 처음이라
이번 생에 디자인 시스템은 처음이라NAVER Engineering
 
날고 있는 여러 비행기 넘나 들며 정비하기
날고 있는 여러 비행기 넘나 들며 정비하기날고 있는 여러 비행기 넘나 들며 정비하기
날고 있는 여러 비행기 넘나 들며 정비하기NAVER Engineering
 
쏘카프레임 구축 배경과 과정
 쏘카프레임 구축 배경과 과정 쏘카프레임 구축 배경과 과정
쏘카프레임 구축 배경과 과정NAVER Engineering
 
플랫폼 디자이너 없이 디자인 시스템을 구축하는 프로덕트 디자이너의 우당탕탕 고통 연대기
플랫폼 디자이너 없이 디자인 시스템을 구축하는 프로덕트 디자이너의 우당탕탕 고통 연대기플랫폼 디자이너 없이 디자인 시스템을 구축하는 프로덕트 디자이너의 우당탕탕 고통 연대기
플랫폼 디자이너 없이 디자인 시스템을 구축하는 프로덕트 디자이너의 우당탕탕 고통 연대기NAVER Engineering
 
200820 NAVER TECH CONCERT 15_Code Review is Horse(코드리뷰는 말이야)(feat.Latte)
200820 NAVER TECH CONCERT 15_Code Review is Horse(코드리뷰는 말이야)(feat.Latte)200820 NAVER TECH CONCERT 15_Code Review is Horse(코드리뷰는 말이야)(feat.Latte)
200820 NAVER TECH CONCERT 15_Code Review is Horse(코드리뷰는 말이야)(feat.Latte)NAVER Engineering
 
200819 NAVER TECH CONCERT 03_화려한 코루틴이 내 앱을 감싸네! 코루틴으로 작성해보는 깔끔한 비동기 코드
200819 NAVER TECH CONCERT 03_화려한 코루틴이 내 앱을 감싸네! 코루틴으로 작성해보는 깔끔한 비동기 코드200819 NAVER TECH CONCERT 03_화려한 코루틴이 내 앱을 감싸네! 코루틴으로 작성해보는 깔끔한 비동기 코드
200819 NAVER TECH CONCERT 03_화려한 코루틴이 내 앱을 감싸네! 코루틴으로 작성해보는 깔끔한 비동기 코드NAVER Engineering
 
200819 NAVER TECH CONCERT 10_맥북에서도 아이맥프로에서 빌드하는 것처럼 빌드 속도 빠르게 하기
200819 NAVER TECH CONCERT 10_맥북에서도 아이맥프로에서 빌드하는 것처럼 빌드 속도 빠르게 하기200819 NAVER TECH CONCERT 10_맥북에서도 아이맥프로에서 빌드하는 것처럼 빌드 속도 빠르게 하기
200819 NAVER TECH CONCERT 10_맥북에서도 아이맥프로에서 빌드하는 것처럼 빌드 속도 빠르게 하기NAVER Engineering
 
200819 NAVER TECH CONCERT 08_성능을 고민하는 슬기로운 개발자 생활
200819 NAVER TECH CONCERT 08_성능을 고민하는 슬기로운 개발자 생활200819 NAVER TECH CONCERT 08_성능을 고민하는 슬기로운 개발자 생활
200819 NAVER TECH CONCERT 08_성능을 고민하는 슬기로운 개발자 생활NAVER Engineering
 
200819 NAVER TECH CONCERT 05_모르면 손해보는 Android 디버깅/분석 꿀팁 대방출
200819 NAVER TECH CONCERT 05_모르면 손해보는 Android 디버깅/분석 꿀팁 대방출200819 NAVER TECH CONCERT 05_모르면 손해보는 Android 디버깅/분석 꿀팁 대방출
200819 NAVER TECH CONCERT 05_모르면 손해보는 Android 디버깅/분석 꿀팁 대방출NAVER Engineering
 
200819 NAVER TECH CONCERT 09_Case.xcodeproj - 좋은 동료로 거듭나기 위한 노하우
200819 NAVER TECH CONCERT 09_Case.xcodeproj - 좋은 동료로 거듭나기 위한 노하우200819 NAVER TECH CONCERT 09_Case.xcodeproj - 좋은 동료로 거듭나기 위한 노하우
200819 NAVER TECH CONCERT 09_Case.xcodeproj - 좋은 동료로 거듭나기 위한 노하우NAVER Engineering
 
200820 NAVER TECH CONCERT 14_야 너두 할 수 있어. 비전공자, COBOL 개발자를 거쳐 네이버에서 FE 개발하게 된...
200820 NAVER TECH CONCERT 14_야 너두 할 수 있어. 비전공자, COBOL 개발자를 거쳐 네이버에서 FE 개발하게 된...200820 NAVER TECH CONCERT 14_야 너두 할 수 있어. 비전공자, COBOL 개발자를 거쳐 네이버에서 FE 개발하게 된...
200820 NAVER TECH CONCERT 14_야 너두 할 수 있어. 비전공자, COBOL 개발자를 거쳐 네이버에서 FE 개발하게 된...NAVER Engineering
 
200820 NAVER TECH CONCERT 13_네이버에서 오픈 소스 개발을 통해 성장하는 방법
200820 NAVER TECH CONCERT 13_네이버에서 오픈 소스 개발을 통해 성장하는 방법200820 NAVER TECH CONCERT 13_네이버에서 오픈 소스 개발을 통해 성장하는 방법
200820 NAVER TECH CONCERT 13_네이버에서 오픈 소스 개발을 통해 성장하는 방법NAVER Engineering
 
200820 NAVER TECH CONCERT 12_상반기 네이버 인턴을 돌아보며
200820 NAVER TECH CONCERT 12_상반기 네이버 인턴을 돌아보며200820 NAVER TECH CONCERT 12_상반기 네이버 인턴을 돌아보며
200820 NAVER TECH CONCERT 12_상반기 네이버 인턴을 돌아보며NAVER Engineering
 
200820 NAVER TECH CONCERT 11_빠르게 성장하는 슈퍼루키로 거듭나기
200820 NAVER TECH CONCERT 11_빠르게 성장하는 슈퍼루키로 거듭나기200820 NAVER TECH CONCERT 11_빠르게 성장하는 슈퍼루키로 거듭나기
200820 NAVER TECH CONCERT 11_빠르게 성장하는 슈퍼루키로 거듭나기NAVER Engineering
 
200819 NAVER TECH CONCERT 07_신입 iOS 개발자 개발업무 적응기
200819 NAVER TECH CONCERT 07_신입 iOS 개발자 개발업무 적응기200819 NAVER TECH CONCERT 07_신입 iOS 개발자 개발업무 적응기
200819 NAVER TECH CONCERT 07_신입 iOS 개발자 개발업무 적응기NAVER Engineering
 

Mehr von NAVER Engineering (20)

React vac pattern
React vac patternReact vac pattern
React vac pattern
 
디자인 시스템에 직방 ZUIX
디자인 시스템에 직방 ZUIX디자인 시스템에 직방 ZUIX
디자인 시스템에 직방 ZUIX
 
진화하는 디자인 시스템(걸음마 편)
진화하는 디자인 시스템(걸음마 편)진화하는 디자인 시스템(걸음마 편)
진화하는 디자인 시스템(걸음마 편)
 
서비스 운영을 위한 디자인시스템 프로젝트
서비스 운영을 위한 디자인시스템 프로젝트서비스 운영을 위한 디자인시스템 프로젝트
서비스 운영을 위한 디자인시스템 프로젝트
 
BPL(Banksalad Product Language) 무야호
BPL(Banksalad Product Language) 무야호BPL(Banksalad Product Language) 무야호
BPL(Banksalad Product Language) 무야호
 
이번 생에 디자인 시스템은 처음이라
이번 생에 디자인 시스템은 처음이라이번 생에 디자인 시스템은 처음이라
이번 생에 디자인 시스템은 처음이라
 
날고 있는 여러 비행기 넘나 들며 정비하기
날고 있는 여러 비행기 넘나 들며 정비하기날고 있는 여러 비행기 넘나 들며 정비하기
날고 있는 여러 비행기 넘나 들며 정비하기
 
쏘카프레임 구축 배경과 과정
 쏘카프레임 구축 배경과 과정 쏘카프레임 구축 배경과 과정
쏘카프레임 구축 배경과 과정
 
플랫폼 디자이너 없이 디자인 시스템을 구축하는 프로덕트 디자이너의 우당탕탕 고통 연대기
플랫폼 디자이너 없이 디자인 시스템을 구축하는 프로덕트 디자이너의 우당탕탕 고통 연대기플랫폼 디자이너 없이 디자인 시스템을 구축하는 프로덕트 디자이너의 우당탕탕 고통 연대기
플랫폼 디자이너 없이 디자인 시스템을 구축하는 프로덕트 디자이너의 우당탕탕 고통 연대기
 
200820 NAVER TECH CONCERT 15_Code Review is Horse(코드리뷰는 말이야)(feat.Latte)
200820 NAVER TECH CONCERT 15_Code Review is Horse(코드리뷰는 말이야)(feat.Latte)200820 NAVER TECH CONCERT 15_Code Review is Horse(코드리뷰는 말이야)(feat.Latte)
200820 NAVER TECH CONCERT 15_Code Review is Horse(코드리뷰는 말이야)(feat.Latte)
 
200819 NAVER TECH CONCERT 03_화려한 코루틴이 내 앱을 감싸네! 코루틴으로 작성해보는 깔끔한 비동기 코드
200819 NAVER TECH CONCERT 03_화려한 코루틴이 내 앱을 감싸네! 코루틴으로 작성해보는 깔끔한 비동기 코드200819 NAVER TECH CONCERT 03_화려한 코루틴이 내 앱을 감싸네! 코루틴으로 작성해보는 깔끔한 비동기 코드
200819 NAVER TECH CONCERT 03_화려한 코루틴이 내 앱을 감싸네! 코루틴으로 작성해보는 깔끔한 비동기 코드
 
200819 NAVER TECH CONCERT 10_맥북에서도 아이맥프로에서 빌드하는 것처럼 빌드 속도 빠르게 하기
200819 NAVER TECH CONCERT 10_맥북에서도 아이맥프로에서 빌드하는 것처럼 빌드 속도 빠르게 하기200819 NAVER TECH CONCERT 10_맥북에서도 아이맥프로에서 빌드하는 것처럼 빌드 속도 빠르게 하기
200819 NAVER TECH CONCERT 10_맥북에서도 아이맥프로에서 빌드하는 것처럼 빌드 속도 빠르게 하기
 
200819 NAVER TECH CONCERT 08_성능을 고민하는 슬기로운 개발자 생활
200819 NAVER TECH CONCERT 08_성능을 고민하는 슬기로운 개발자 생활200819 NAVER TECH CONCERT 08_성능을 고민하는 슬기로운 개발자 생활
200819 NAVER TECH CONCERT 08_성능을 고민하는 슬기로운 개발자 생활
 
200819 NAVER TECH CONCERT 05_모르면 손해보는 Android 디버깅/분석 꿀팁 대방출
200819 NAVER TECH CONCERT 05_모르면 손해보는 Android 디버깅/분석 꿀팁 대방출200819 NAVER TECH CONCERT 05_모르면 손해보는 Android 디버깅/분석 꿀팁 대방출
200819 NAVER TECH CONCERT 05_모르면 손해보는 Android 디버깅/분석 꿀팁 대방출
 
200819 NAVER TECH CONCERT 09_Case.xcodeproj - 좋은 동료로 거듭나기 위한 노하우
200819 NAVER TECH CONCERT 09_Case.xcodeproj - 좋은 동료로 거듭나기 위한 노하우200819 NAVER TECH CONCERT 09_Case.xcodeproj - 좋은 동료로 거듭나기 위한 노하우
200819 NAVER TECH CONCERT 09_Case.xcodeproj - 좋은 동료로 거듭나기 위한 노하우
 
200820 NAVER TECH CONCERT 14_야 너두 할 수 있어. 비전공자, COBOL 개발자를 거쳐 네이버에서 FE 개발하게 된...
200820 NAVER TECH CONCERT 14_야 너두 할 수 있어. 비전공자, COBOL 개발자를 거쳐 네이버에서 FE 개발하게 된...200820 NAVER TECH CONCERT 14_야 너두 할 수 있어. 비전공자, COBOL 개발자를 거쳐 네이버에서 FE 개발하게 된...
200820 NAVER TECH CONCERT 14_야 너두 할 수 있어. 비전공자, COBOL 개발자를 거쳐 네이버에서 FE 개발하게 된...
 
200820 NAVER TECH CONCERT 13_네이버에서 오픈 소스 개발을 통해 성장하는 방법
200820 NAVER TECH CONCERT 13_네이버에서 오픈 소스 개발을 통해 성장하는 방법200820 NAVER TECH CONCERT 13_네이버에서 오픈 소스 개발을 통해 성장하는 방법
200820 NAVER TECH CONCERT 13_네이버에서 오픈 소스 개발을 통해 성장하는 방법
 
200820 NAVER TECH CONCERT 12_상반기 네이버 인턴을 돌아보며
200820 NAVER TECH CONCERT 12_상반기 네이버 인턴을 돌아보며200820 NAVER TECH CONCERT 12_상반기 네이버 인턴을 돌아보며
200820 NAVER TECH CONCERT 12_상반기 네이버 인턴을 돌아보며
 
200820 NAVER TECH CONCERT 11_빠르게 성장하는 슈퍼루키로 거듭나기
200820 NAVER TECH CONCERT 11_빠르게 성장하는 슈퍼루키로 거듭나기200820 NAVER TECH CONCERT 11_빠르게 성장하는 슈퍼루키로 거듭나기
200820 NAVER TECH CONCERT 11_빠르게 성장하는 슈퍼루키로 거듭나기
 
200819 NAVER TECH CONCERT 07_신입 iOS 개발자 개발업무 적응기
200819 NAVER TECH CONCERT 07_신입 iOS 개발자 개발업무 적응기200819 NAVER TECH CONCERT 07_신입 iOS 개발자 개발업무 적응기
200819 NAVER TECH CONCERT 07_신입 iOS 개발자 개발업무 적응기
 

어떻게 해야 기계에게 글을 잘 읽고 말할 수 있게 할까?