Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- StringJoiner
- R에서의 워드클라우드
- R 키워드 가중치
- HashMap
- self-attention
- 상호작용디자인
- deeplearning용어
- StringBuffer vs StringBuilder
- 딥러닝용어
- 어탠션
- 도날드노만
- R dataframe
- 통계기반자연어처리
- 마르코프 체인
- deeplearning개념
- wordVector
- RNN Attention
- R TF-IDF
- 자연어처리
- 체험디자인
- WordCloud R
- r word2vec
- 자언어처리모델
- 마르코프
- R 워드클라우드
- selfattention
- 딥러닝개념
- 언어모델
- word2vec
- R에서의 wordcloud
Archives
- Today
- Total
목록통계기반자연어처리 (1)
클로이의 데이터 여행기
비전공자가 이해한 '마코프 체인(Markov Chain)'
이번 포스팅에서는 자연어 분석의 전통적 모델인 '마코프 체인 모델'에 대해서 설명하고자 합니다. 1. 마코프 체인(Markov Chain)란? - 통계 기반의 모델로 다음 단어가 나올 확률을 예측하는 방식으로 언어분석 모델로 활용 - 초기의 딥러닝 모델 형태로 네트워크는 확률을 기반함 2. 마코프 체인(Markov Chain) 예시 그렇다면 실제로 마코프 체인을 어떻게 활용하는지 살펴보려고 합니다. 아래와 같은 문장이 있다고 예를 들어봅니다. [그림 1]처럼 문장들이 있다고 할 때, 하나의 단어를 기준으로 바로 뒤에 어떤 단어가 몇 번 등장하는지 살핍니다. 예를 들어, 'I' 뒤에는 'like'가 2번 등장하였고, 'don't'가 1번 등장하였습니다. 그러면 키워드별로 확률에 기반하여 아래의 [그림 2]..
자연어처리
2019. 11. 26. 14:12