119 lines
4.7 KiB
Markdown
119 lines
4.7 KiB
Markdown
---
|
|
id: wiki-2026-0508-natural-language-processing-nlp
|
|
title: Natural Language Processing (NLP)
|
|
category: AI_and_ML
|
|
status: needs_review
|
|
canonical_id: self
|
|
aliases: [P-Reinforce-AUTO-NLP-001]
|
|
duplicate_of: none
|
|
source_trust_level: A
|
|
confidence_score: 1.0
|
|
tags: [auto-reinforced, nlp, natural-language-processing, llm, transformer, tokenization]
|
|
raw_sources: []
|
|
last_reinforced: 2026-05-04
|
|
github_commit: pending
|
|
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
|
tech_stack:
|
|
language: unspecified
|
|
framework: unspecified
|
|
---
|
|
|
|
# [[Natural Language Processing (NLP)|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.
|
|
|
|
1. **전통적 NLP vs 현대적 NLP**:
|
|
* **전통적 방식**: 형태소 분석, 스테밍(Stemming), [[TF-IDF|TF-IDF]] 등 규칙 기반이나 통계적 모델에 의존했습니다.
|
|
* **현대적 방식 ([[LLM|LLM]])**: [[Transformer|Transformer]] 아키텍처와 대규모 언어 모델을 활용하여 문장의 선후 관계를 동시에 파악하고 고도의 맥락 이해를 수행합니다.
|
|
|
|
2. **핵심 처리 단계**:
|
|
* **토큰화 (Tokenization)**: 문장을 단어나 서브워드(Subword) 단위로 쪼갭니다.
|
|
* **임베딩 ([[Vector Embedding|Vector Embedding]])**: 텍스트를 고차원 공간의 숫자로 변환합니다.
|
|
* **인코딩/디코딩**: 모델이 의미를 추출하고, 다시 자연어로 생성하는 과정입니다.
|
|
|
|
3. **검색 시스템에서의 활용**:
|
|
* 사용자의 질문 의도를 파악하고([[Intent Recognition|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**: [[BERT|BERT]]나 GPT와 같은 최신 모델은 연산량이 매우 많아 실시간 처리를 위한 최적화가 필수적입니다.
|
|
|
|
## 💻 실전 구현 코드 (Boilerplate)
|
|
Python `NLTK` 및 `Transformers`를 활용한 기본적인 텍스트 처리 예시입니다.
|
|
|
|
```python
|
|
# 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|AI_and_ML]], [[Computer Science and Theory|Computer Science]]
|
|
* **기반 기술**: [[Vector Embedding|Vector Embedding]], [[LLM|Large Language Model (LLM)]]
|
|
* **활용 기술**: [[Semantic Search|Semantic Search]], [[Retrieval-Augmented Generation (RAG)|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)*
|
|
|
|
```text
|
|
# 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)* |