2nd/10_Wiki/Topics/AI_and_ML/Computational-Linguistics.md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	tags	raw_sources	last_reinforced	github_commit	inferred_by
wiki-2026-0508-computational-linguistics	Computational Linguistics	10_Wiki/Topics	needs_review	self	COMP-LING-001	none	A	1.0	nlp linguistics computational-linguistics syntax semantics		2026-04-26	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)

Computational Linguistics (계산 언어학)

📌 한 줄 통찰 (The Karpathy Summary)

"언어의 규칙과 의미를 수학적 모델로 해독하라" — 자연어의 구조와 의미를 컴퓨터가 처리할 수 있도록 모델링하고 연구하는 학문으로, 현대 자연어 처리(NLP) 기술의 학문적 뿌리.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 문장의 통사론적(Syntax) 구조와 의미론적(Semantics) 연결 고리를 형식 언어 이론과 통계적 기법을 통해 전산화하는 분석 패턴.
• 주요 연구 분야:
  • Syntax Analysis: 문장의 품사 태깅(POS tagging), 구문 분석(Parsing).
  • Semantics: 단어와 문장의 의미 표현 (예: WordNet, Formal Semantics).
  • Pragmatics: 대화의 맥락과 상황에 따른 의미 변화 분석.
  • Machine Translation: 서로 다른 언어 구조 간의 매핑 및 변환.
• 진화 과정: 규칙 기반(Rule-based)에서 통계적 기반(Statistical)을 거쳐, 현재는 신경망 기반(Neural) 모델링이 주류를 이룸.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 과거 데이터와의 충돌: 언어학자가 직접 규칙을 정의하던 방식에서, 대규모 데이터로부터 언어의 규칙을 스스로 학습하는 딥러닝 방식으로 패러다임이 완전히 전환됨.
• 정책 변화: Antigravity 프로젝트는 LLM을 활용하되, 지식의 정합성을 검증하기 위해 계산 언어학적 구문 분석 도구들을 활용하여 문서의 논리 구조를 교차 확인함.

🔗 지식 연결 (Graph)

• NLP, LLM, Tokenization-Strategies, Knowledge-Graph
• Raw Source: 10_Wiki/Topics/AI/Computational-Linguistics.md

🤖 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