[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,89 +2,142 @@
|
||||
id: wiki-2026-0508-linguistic-analysis-in-ai
|
||||
title: Linguistic Analysis in AI
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [NLP-LING-001]
|
||||
aliases: [NLP Linguistic Analysis, Syntactic Analysis, Linguistic Features]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [nlp, linguistics, syntax, semantics, morphology, ai-language-Processing]
|
||||
confidence_score: 0.85
|
||||
verification_status: applied
|
||||
tags: [nlp, ai, linguistics, parsing, ner, llm]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
tech_stack: { language: python, framework: spacy-stanza-llm }
|
||||
---
|
||||
|
||||
# Linguistic [[Analysis|Analysis]] in AI (AI에서의 언어학적 분석)
|
||||
# Linguistic Analysis in AI
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "단어의 껍데기를 넘어, 문장의 뼈대(Syntax)와 의미의 영혼(Semantics)을 분석하여 기계에게 인간의 문명을 가르쳐라" — 텍스트 데이터를 형태소, 구문, 의미, 화용 등 언어학적 계층에 따라 분해하고 구조화하여 AI가 언어의 맥락과 의도를 정확히 파악하게 하는 프로세스.
|
||||
## 매 한 줄
|
||||
> **"매 LLM 시대에도 구조 분석은 살아있다"**. POS/dependency/NER 같은 전통 분석은 여전히 정보 추출·검색·평가에 쓰이지만, 2026엔 LLM이 zero-shot으로 대부분 대체.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Hierarchical Language Decoding" — 파편화된 문자열에서 의미 있는 최소 단위(Morphology)를 추출하고, 단어 간의 결합 법칙(Syntax)을 통해 문장 구조를 파악한 뒤, 최종적으로 발화의 의도(Pragmatics)를 도출하는 계층적 해석 패턴.
|
||||
- **주요 분석 단계:**
|
||||
- **Morpho[[Logic|Logic]]al Analysis:** 어근, 접사 등을 분석하여 단어의 원형과 성질 파악.
|
||||
- **Syntactic Parsing:** 주어, 동사, 목적어 등의 관계를 트리 구조로 분석.
|
||||
- **Semantic Analysis:** 문맥 속에서 단어가 가지는 실제 의미와 개념 연결.
|
||||
- **Pragmatic Analysis:** 화자의 상황과 의도, 중의성 해소.
|
||||
- **의의:** AI가 단순히 확률적으로 다음 단어를 예측하는 수준을 넘어, 논리적이고 정교한 지식 소통을 가능하게 함.
|
||||
## 매 핵심
|
||||
### 매 분석 단계
|
||||
- **Tokenization**: 단어/subword 분리.
|
||||
- **POS tagging**: 품사 (NOUN, VERB, ADJ).
|
||||
- **Lemmatization / Stemming**: 어간 정규화.
|
||||
- **Dependency parsing**: 단어 간 문법 관계 트리.
|
||||
- **Constituency parsing**: 구 구조 (NP, VP).
|
||||
- **NER**: Named Entity Recognition (PER, ORG, LOC).
|
||||
- **SRL**: Semantic Role Labeling (agent, patient).
|
||||
- **Coreference**: 대명사 해결.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 규칙 기반(Rule-based)의 엄격한 언어학적 분석에서, 이제는 거대 모델이 수조 개의 데이터를 통해 스스로 언어 법칙을 학습하는 통계적/신경망적 분석으로 패러다임이 완전히 전이됨.
|
||||
- **정책 변화:** Antigravity 프로젝트의 지식 추출 엔진은 언어학적 원리를 바탕으로 문서의 핵심 키워드와 개체 간의 '관계 동사'를 정밀하게 포착하여 지식 그래프의 품질을 높임.
|
||||
### 매 응용
|
||||
1. 정보 추출 (KG 구축, relation extraction).
|
||||
2. 검색 쿼리 재작성, 의도 파싱.
|
||||
3. RAG에서 entity 기반 chunking.
|
||||
4. 평가 (LLM 출력의 grammaticality, faithfulness).
|
||||
5. 저자원 언어 도구 체인.
|
||||
6. 데이터 정제 / privacy redaction (NER로 PII 마스킹).
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- NLP-Foundations, [[Knowledge-Graph-Foundations|Knowledge-Graph-Foundations]], [[Sentiment-Analysis|Sentiment-Analysis]]-Foundations, [[Transformer-Architecture|Transformer-Architecture]]-Foundations
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Linguistic-Analysis-in-AI.md
|
||||
## 💻 패턴
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
|
||||
## 💻 코드 패턴 (Code Patterns)
|
||||
|
||||
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
|
||||
|
||||
```text
|
||||
# TODO
|
||||
### Pattern 1 — spaCy 표준 파이프라인
|
||||
```python
|
||||
import spacy
|
||||
nlp = spacy.load('ko_core_news_lg')
|
||||
doc = nlp("애플은 2026년 비전 프로 2를 출시했다.")
|
||||
for tok in doc:
|
||||
print(tok.text, tok.pos_, tok.dep_, tok.head.text)
|
||||
for ent in doc.ents:
|
||||
print(ent.text, ent.label_)
|
||||
```
|
||||
|
||||
## 🤔 의사결정 기준 (Decision Criteria)
|
||||
### Pattern 2 — Stanza (다국어 정확도)
|
||||
```python
|
||||
import stanza
|
||||
nlp = stanza.Pipeline('ko', processors='tokenize,pos,lemma,depparse,ner')
|
||||
doc = nlp(text)
|
||||
```
|
||||
|
||||
**선택 A를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
### Pattern 3 — LLM zero-shot NER
|
||||
```python
|
||||
from anthropic import Anthropic
|
||||
client = Anthropic()
|
||||
resp = client.messages.create(
|
||||
model='claude-opus-4-7',
|
||||
messages=[{'role':'user','content':
|
||||
f'Extract entities as JSON [{{"text","type"}}]:\n{text}'}],
|
||||
max_tokens=1024,
|
||||
)
|
||||
```
|
||||
|
||||
**선택 B를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
### Pattern 4 — Dependency 기반 관계 추출
|
||||
```python
|
||||
for tok in doc:
|
||||
if tok.dep_ == 'nsubj' and tok.head.pos_ == 'VERB':
|
||||
print('subject:', tok.text, '->', tok.head.text)
|
||||
```
|
||||
|
||||
**기본값:**
|
||||
> *(TODO)*
|
||||
### Pattern 5 — PII Redaction (NER)
|
||||
```python
|
||||
def redact(text):
|
||||
doc = nlp(text)
|
||||
out = text
|
||||
for ent in reversed(doc.ents):
|
||||
if ent.label_ in {'PERSON','GPE','PHONE'}:
|
||||
out = out[:ent.start_char] + f'[{ent.label_}]' + out[ent.end_char:]
|
||||
return out
|
||||
```
|
||||
|
||||
## ❌ 안티패턴 (Anti-Patterns)
|
||||
### Pattern 6 — Hybrid (LLM + parser 검증)
|
||||
```python
|
||||
# LLM으로 빠르게 추출 → spaCy로 검증/정렬
|
||||
candidates = llm_extract(text)
|
||||
doc = nlp(text)
|
||||
verified = [c for c in candidates if any(c['text']==e.text for e in doc.ents)]
|
||||
```
|
||||
|
||||
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
|
||||
## 매 결정 기준
|
||||
| 상황 | 도구 |
|
||||
|---|---|
|
||||
| 대량 / 저예산 / 정형 | spaCy / Stanza |
|
||||
| 정확도 우선 다국어 | Stanza, Trankit |
|
||||
| Zero-shot, 도메인 특수 | LLM (Claude/GPT) |
|
||||
| 실시간 latency | spaCy small model |
|
||||
| 학습 데이터 라벨링 | LLM weak supervision + 검수 |
|
||||
| Production NER 한국어 | KoNLPy + spaCy ko 또는 LLM |
|
||||
|
||||
**기본값**: 2026 - LLM zero-shot이 default, spaCy는 비용 민감/대량 처리에.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Natural-Language-Processing]], [[Computational-Linguistics]]
|
||||
- 변형: [[Dependency-Parsing]], [[NER]], [[POS-Tagging]], [[Coreference-Resolution]]
|
||||
- 응용: [[Information-Extraction]], [[Knowledge-Graph]], [[RAG]], [[PII-Redaction]]
|
||||
- Adjacent: [[Tokenization]], [[Word-Embeddings]], [[LLM-Structured-Output]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**:
|
||||
- 짧은 텍스트 entity/relation 추출 (zero-shot).
|
||||
- spaCy/Stanza 파이프라인 코드 생성.
|
||||
- 한국어/저자원 언어 빠른 프로토타입.
|
||||
|
||||
**언제 X**:
|
||||
- 100M doc 배치 (비용 - 전통 도구가 100배 저렴).
|
||||
- 결정론적 재현성 필수 (LLM 비결정성).
|
||||
|
||||
## ❌ 안티패턴
|
||||
- LLM에 토크나이저 정보 의존 (모델별 상이).
|
||||
- 영어 모델로 한국어 NER (도메인 mismatch).
|
||||
- Dependency tree 결과를 ground truth로 (parser도 ~92%).
|
||||
- 모든 문제에 LLM (단순 POS 태깅에 GPT-4 호출은 낭비).
|
||||
- Tokenization 영향 무시 (subword가 단어 경계 깨짐).
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified. spaCy 3.7+/Stanza 1.8 기준. 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup |
|
||||
|
||||
Reference in New Issue
Block a user