67 lines
3.5 KiB
Markdown
67 lines
3.5 KiB
Markdown
---
|
|
id: wiki-2026-0508-stem-analysis
|
|
title: Stem Analysis
|
|
category: 10_Wiki/Topics
|
|
status: needs_review
|
|
canonical_id: self
|
|
aliases: [P-Reinforce-AUTO-STEA-001]
|
|
duplicate_of: none
|
|
source_trust_level: A
|
|
confidence_score: 0.9
|
|
tags: [auto-reinforced, stem-Analysis, Text-Mining, linguistic, Normalization, Search-Efficiency]
|
|
raw_sources: []
|
|
last_reinforced: 2026-04-20
|
|
github_commit: pending
|
|
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
|
---
|
|
|
|
# [[Stem-Analysis|Stem-Analysis]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "단어의 뿌리 찾기: 'Running, Ran, Runs' 같은 다양한 변형들을 'Run'이라는 하나의 원형으로 깎아내어, 컴퓨터가 같은 의미를 가진 단어들의 집합을 효율적으로 묶고 검색하게 돕는 언어적 다이어트."
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
어간 분석(Stem-Analysis) 혹은 스테밍은 단어의 접미사를 제거하여 형태론적 어간을 추출하는 자연어 처리(NLP) 기법입니다.
|
|
|
|
1. **가성비 효과**:
|
|
* **Dimensionality Reduction**: 비슷한 단어들을 하나로 합쳐 전체 단어장 크기를 줄임. (Efficiency와 연결)
|
|
* **Recall [[Optimization|Optimization]]**: 사용자가 '공부'라고 검색해도 '공부하다, 공부했던'이 검색 결과에 걸리게 함. (Search와 연결)
|
|
2. **단점 (Over-stemming)**:
|
|
* 너무 많이 깎아서 아예 다른 단어가 되어버릴 위험 존재. (예: 'University'를 'Universe'로 깎음). 이를 보완하는 것이 표제어 추출(Lemmatization).
|
|
3. **왜 중요한가?**:
|
|
* 날것의 언어는 너무나 변화무쌍한데, 어간 분석은 그 속에 숨은 '중심 의미'를 빠르게 뽑아내는 저비용 고효율의 필수 전처리 단계이기 때문임.
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
|
- **과거 데이터와의 충돌**: 과거에는 규칙 기반(Porter Stemmer 등)의 하드코딩 정책이 필수였으나, 현대 정책은 딥러닝 기반의 임베딩 정책이 단어의 원형 정책을 '의미 벡터 정책' 안에 은연중에 포함하고 있어 스테밍의 단계 정책이 생략되기도 함(RL Update). ([[Representation-Learning|Representation-Learning]]와 연결)
|
|
- **정책 변화(RL Update)**: 한국어와 같은 교착어 정책에서는 단순히 뒤를 깎는 정책만으로는 한계 정책이 있어, 형태소 분석(Morpho[[Logic|Logic]]al Analysis) 정책이 스테밍의 역할 정책을 대신하고 있음.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- [[Search|Search]], [[Efficiency|Efficiency]], [[Representation-Learning|Representation-Learning]], [[Scripts|Scripts]], [[Analysis|Analysis]]
|
|
- **Modern Tech/Tools**: NLTK (Porter, Snowball), SpaCy, KoNLPy (Mekkaja, Komoran).
|
|
---
|
|
|
|
## 🤖 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 | |