Files

T

koriweb 5ba5a55c78 feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]

2026-05-08 19:52:07 +09:00

4.7 KiB

Raw Blame History

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

title

Natural Language Processing (NLP)

📌 한 줄 통찰 (The Karpathy Summary)

"기계와 인간의 대화 창구: 컴퓨터가 인간의 언어(자연어)를 이해하고, 해석하며, 생성할 수 있도록 하는 인공지능의 핵심 분야로, 단순한 단어 처리를 넘어 문맥과 뉘앙스를 파악하는 기술적 여정."

📖 구조화된 지식 (Synthesized Content)

자연어 처리(NLP)는 인간의 언어를 기계가 처리할 수 있는 형태로 변환하고 분석하는 인공지능의 한 분야입니다.

전통적 NLP vs 현대적 NLP:
- 전통적 방식: 형태소 분석, 스테밍(Stemming), TF-IDF 등 규칙 기반이나 통계적 모델에 의존했습니다.
- 현대적 방식 (LLM): Transformer 아키텍처와 대규모 언어 모델을 활용하여 문장의 선후 관계를 동시에 파악하고 고도의 맥락 이해를 수행합니다.
핵심 처리 단계:
- 토큰화 (Tokenization): 문장을 단어나 서브워드(Subword) 단위로 쪼갭니다.
- 임베딩 (Vector Embedding): 텍스트를 고차원 공간의 숫자로 변환합니다.
- 인코딩/디코딩: 모델이 의미를 추출하고, 다시 자연어로 생성하는 과정입니다.
검색 시스템에서의 활용:
- 사용자의 질문 의도를 파악하고(Intent Recognition), 오타 교정 및 동의어 확장을 통해 검색의 정밀도를 높입니다.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

언어적 모호성: 같은 단어가 문맥에 따라 다른 의미를 가지는 중의성 해결은 여전히 어려운 과제입니다.
데이터 편향: 학습 데이터에 포함된 사회적 편향이 모델의 결과물에 그대로 투영될 수 있는 윤리적 리스크가 존재합니다.
컴퓨팅 비용: BERT나 GPT와 같은 최신 모델은 연산량이 매우 많아 실시간 처리를 위한 최적화가 필수적입니다.

💻 실전 구현 코드 (Boilerplate)

Python NLTK 및 Transformers를 활용한 기본적인 텍스트 처리 예시입니다.

# 1. 고전적 토큰화 (NLTK)
import nltk
from transformers import pipeline

text = "Astra ConnectAI는 자율적으로 지식을 수집합니다."
tokens = nltk.word_tokenize(text)
print(f"Tokens: {tokens}")

# 2. 현대적 감정 분석 (Transformers Pipeline)
classifier = pipeline("sentiment-analysis", model="snunlp/krobert-base-sentiment")
result = classifier(text)
print(f"Sentiment: {result}")

🔗 지식 연결 (Graph)

상위 개념: AI_and_ML, Computer Science and Theory
기반 기술: Vector Embedding, LLM
활용 기술: Semantic Search, Retrieval-Augmented Generation (RAG)

Last updated: 2026-05-04

🤖 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)

# TODO

🤔 의사결정 기준 (Decision Criteria)

선택 A를 써야 할 때:

(TODO)

선택 B를 써야 할 때:

(TODO)

기본값:

(TODO)

❌ 안티패턴 (Anti-Patterns)

[안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)

4.7 KiB Raw Blame History