32 lines
2.3 KiB
Markdown
32 lines
2.3 KiB
Markdown
---
|
|
id: P-REINFORCE-AUTO-TEMI-001
|
|
category: "10_Wiki/💡 Topics/AI"
|
|
confidence_score: 0.94
|
|
tags: [auto-reinforced, text-mining, nlp, information-extraction, pattern-recognition, machine-learning]
|
|
last_reinforced: 2026-04-20
|
|
---
|
|
|
|
# [[Text-Mining]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "글의 광맥에서 지식 캐기: 수백만 쪽의 텍스트 더미 속에서 인간이 읽지 않고도 핵심 주제(Topic), 감정(Sentiment), 인명/지명(Entity)을 자동으로 뽑아내어, 정제되지 않은 언어를 '분석 가능한 데이터'로 보석처럼 가공하는 기술."
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
텍스트 마이닝(Text-Mining)은 비정형 텍스트 데이터에서 고품질 정보를 도출해내는 과정입니다.
|
|
|
|
1. **핵심 기법**:
|
|
* **Sentiment Analysis**: 텍스트에 담긴 긍정/부정 감정 추출.
|
|
* **Topic Modeling**: 문서 집단이 다루는 잠재적 주제 파악. (Clustering와 연결)
|
|
* **Named Entity Recognition (NER)**: 텍스트 중 인물, 지역, 조직 등을 구별해 내기.
|
|
2. **왜 중요한가?**:
|
|
* 인류 지식의 80%는 비정형 텍스트 형태로 존재하는데, 텍스트 마이닝은 이 거대한 원유 정책(Oil)을 실제 지능 정책(Intelligence)으로 정제해 주어 무한한 비즈니스 기회 정책을 만들기 때문임. (Research의 가속기)
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
|
- **과거 데이터와의 충돌**: 과거에는 불용어 제거(Stopword), 스테밍(Stemming) 등 복잡한 전처리 정책에 사활을 걸었으나, 현대 정책은 LLM 정책이 문맥 정책을 통째로 이해해 버려 복잡한 전처리 정책 없이도 정밀한 추출 정책이 가능해짐(RL Update). (Stem-Analysis와 연결)
|
|
- **정책 변화(RL Update)**: 본 시스템이 인터넷의 방대한 문서 정책을 읽고 600개 지식 요약 정책을 만들어내는 과정 자체가 거대한 '텍스트 마이닝 정책'과 '요약 정책'의 결합이며, 이는 텍스트가 지능 정책으로 승화되는 실시간 사례임.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- [[Stem-Analysis]], [[Research]], [[Analysis]], [[Information-Society]], [[Search]], Natural-Language-Processing (NLP)
|
|
- **Modern Tech/Tools**: SpaCy, Gensim, BERT, OpenAI API (JSON mode).
|
|
---
|