로그인정보 입력 영역

아이디

비밀번호

• 홈
• 전자책

책소개

파이썬과 다양한 AI 패키지로 만드는 수준 높은 예제
최신 NLP 제품과 서비스 개발을 위한 실용주의적 안내서

최근 심층 학습(딥러닝) 기술이 발전하면서 응용 프로그램들이 대단히 정확하게 텍스트와 음성을 인식하게 되었다. 또한, 새로운 기술과 Keras나 TensorFlow 같은 사용하기 쉬운 도구들 덕분에 이제는 고품질 NLP(자연어 처리) 응용 프로그램을 예전보다 쉽게 만들어낼 수 있다. 『파이썬으로 배우는 자연어 처리 인 액션』은 사람의 언어를 읽고 해석할 수 있는 프로그램을 만들려는 모든 개발자를 위한 지침서다. 이 책에서는 바로 사용할 수 있는 파이썬 패키지들을 이용해서 텍스트의 의미를 포착하고 그에 따라 반응하는 챗봇을 구축한다. 또한, 전통적인 NLP 접근 방식들은 물론이고, 좀 더 최근의 심층 학습 알고리즘과 텍스트 생성 기법들을 동원해서 날짜와 이름 추출, 텍스트 작성, 비정형 질문에 대한 응답 같은 여러 실질적인 NLP 문제들을 해결한다.

저자소개

사람 대신 중요한 결정을 내리는 자율 시스템을 구축하는 분야에서 20년의 경험을 쌓았다. Keras, scikit-learn, PyBrain 같은 여러 오픈소스 프로젝트에 적극적으로 기여하며, 현재 Total Good에서 오픈소스 인지 조교(cognitive assistant) 구축을 비롯한 개방형 과학 연구 및 교육 프로젝트에 힘쓰고 있다. 또한, AIAA, PyCon, IEEE 등에 논문을 게재하거나
강연했으며, 로봇공학과 자동화에 관련된 여러 특허도 가지고 있다.

목차

PART I 말 많은 컴퓨터: NLP의 기초 1
CHAPTER 1 사고의 단위: NLP의 개요 3
1.1 자연어 대 프로그래밍 언어 4
1.2 마법 5
   1.2.1 대화하는 기계 6
   1.2.2 수학 7
1.3 실제 응용들 9
1.4 컴퓨터의 ‘눈’으로 본 언어 11
   1.4.1 자물쇠 언어 12
   1.4.2 정규 표현식 13
   1.4.3 간단한 챗봇 14
   1.4.4 또 다른 방법 19
1.5 짧은 초공간 탐험 23
1.6 단어의 순서와 문법 25
1.7 챗봇의 자연어 처리 파이프라인 27
1.8 더 깊은 처리 30
1.9 자연어 IQ 32
요약 35

CHAPTER 2 나만의 어휘 구축: 단어 토큰화 37
2.1 어려운 문제: 어간 추출의 개요 39
2.2 토큰 생성기를 이용한 어휘 구축 40
   2.2.1 내적 50
   2.2.2 두 단어 모음의 중복 측정 51
   2.2.3 토큰 개선 52
   2.2.4 n-그램을 이용한 어휘 확장 58
   2.2.5 어휘 정규화 66
2.3 감정 분석 76
   2.3.1 VADER―규칙 기반 감정 분석기 78
   2.3.2 단순 베이즈 모형 80
요약 84

CHAPTER 3 말 잘하는 수학: TF-IDF 벡터 85
3.1 단어 모음 86
3.2 벡터화 92
   3.2.1 벡터 공간 95
3.3 지프의 법칙 101
3.4 주제 모형화 104
   3.4.1 돌아온 지프 108
   3.4.2 관련성 순위 110
   3.4.3 주요 도구: scikit-learn 112
   3.4.4 여러 TF-IDF 정규화 방법 113
   3.4.5 Okapi BM25 115
   3.4.6 다음 단계 116
요약 116

CHAPTER 4 단어 빈도에서 의미 찾기: 의미 분석 117
4.1 단어 빈도에서 주제 점수로 119
   4.1.1 TF-IDF 벡터와 표제어 추출 119
   4.1.2 주제 벡터 120
   4.1.3 사고 실험 122
   4.1.4 주제 점수를 매기는 알고리즘 127
   4.1.5 LDA 분류기 129
4.2 잠재 의미 분석(LSA) 134
   4.2.1 사고 실험의 실현 137
4.3 특잇값 분해 140
   4.3.1 왼쪽 특이 벡터 행렬 U 142
   4.3.2 특잇값 행렬 S 143
   4.3.3 오른쪽 특이 벡터 행렬 VT 145
   4.3.4 SVD 행렬의 방향 145
   4.3.5 주제 절단 146
4.4 주성분 분석(PCA) 148
   4.4.1 3차원 벡터에 대한 PCA 150
   4.4.2 말을 떠나 다시 NLP로 돌아가서 152
   4.4.3 PCA를 이용한 문자 메시지 잠재 의미 분석 154
   4.4.4 절단된 SVD를 이용한 문자 메시지 잠재 의미 분석 157
   4.4.5 스팸 분류에 대한 LSA의 정확도 158
4.5 잠재 디리클레 할당(LDiA) 161
   4.5.1 LDiA의 기초 162
   4.5.2 문자 메시지 말뭉치에 대한 LDiA 주제 모형 165
   4.5.3 LDiA + LDA = 스팸 분류기 168
   4.5.4 좀 더 공정한 비교: 주제가 32개인 LDiA 171
4.6 거리와 유사도 173
4.7 피드백에 기초한 방향 조정 176
   4.7.1 선형 판별 분석(LDA) 177
4.8 주제 벡터의 위력 179
   4.8.1 의미 기반 검색 181
   4.8.2 개선안 184
요약 184

PART II 더 깊은 학습: 신경망 적용 185
CHAPTER 5 신경망 첫걸음: 퍼셉트론과 역전파 187
5.1 신경망의 구성요소 188
   5.1.1 퍼셉트론 189
   5.1.2 디지털 퍼셉트론 190
   5.1.3 치우침 단위 191
   5.1.4 오차 곡면을 누비며 207
   5.1.5 경사로를 따라 활강 208
   5.1.6 흔들어서 탈출 210
   5.1.7 케라스: 신경망 파이썬 구현 211
   5.1.8 더 깊게 배우고 싶다면 215
   5.1.9 정규화: 스타일 있는 입력 215
요약 216

CHAPTER 6 단어 벡터를 이용한 추론: word2vec 활용 217
6.1 의미 기반 질의와 비유 218
   6.1.1 비유 질문 219
6.2 단어 벡터 221
   6.2.1 벡터 지향적 추론 225
   6.2.2 word2vec의 단어 표현 계산 228
   6.2.3 gensim.word2vec 모듈 사용법 238
   6.2.4 나만의 단어 벡터 모형 만들기 241
   6.2.5 word2vec 대 GloVe 244
   6.2.6 fastText 245
   6.2.7 word2vec 대 LSA 246
   6.2.8 단어 관계의 시각화 247
   6.2.9 인위적인 단어들 254
   6.2.10 doc2vec을 이용한 문서 유사도 추정 256
요약 258

CHAPTER 7 단어 순서를 고려한 의미 분석: 합성곱 신경망 259
7.1 의미의 학습 261
7.2 도구 모음 262
7.3 합성곱 신경망 264
   7.3.1 합성곱 신경망의 구조 264
   7.3.2 단계 크기(보폭) 266
   7.3.3 필터의 구성 266
   7.3.4 여백 채우기 268
   7.3.5 훈련(학습) 270
7.4 다시 텍스트로 271
   7.4.1 케라스로 합성곱 신경망 구현: 자료 준비 273
   7.4.2 합성곱 신경망의 구조 279
   7.4.3 풀링 280
   7.4.4 드롭아웃 283
   7.4.5 마지막 층 추가 284
   7.4.6 모형의 저장 및 시험 286
   7.4.7 모형을 NLP 파이프라인에 도입 289
   7.4.8 나머지 이야기 290
요약 292

CHAPTER 8 돌고 도는 신경망: 순환 신경망 293
8.1 과거를 아는 순환 신경망 296
   8.1.1 시간에 대한 역전파 301
   8.1.2 무엇을 언제 갱신하는가? 303
   8.1.3 정리 306
   8.1.4 항상 그렇듯이 함정이 있다 307
   8.1.5 케라스를 이용한 순환 신경망 구현 307
8.2 모형의 컴파일 312
8.3 모형의 훈련 315
8.4 초매개변수 조율 316
8.5 예측 319
   8.5.1 상태 유지 320
   8.5.2 양방향 처리 321
   8.5.3 순환층 출력의 의미 323
요약 323

CHAPTER 9 장단기 기억망(LSTM 망)을 이용한 기억 유지 개선 325
9.1 장단기 기억망(LSTM 망) 327
   9.1.1 시간에 대한 역전파 336
   9.1.2 예제 문장으로 모형을 시험 339
   9.1.3 더러운 자료 340
   9.1.4 다시 더러운 자료로 돌아가서 344
   9.1.5 단어보다 글자가 쉽다 345
   9.1.6 말문이 열린 신경망 352
   9.1.7 구체적인 예제 하나 354
   9.1.8 무엇을 말할 것인가? 363
   9.1.9 다른 종류의 기억 수단 363
   9.1.10 더 깊이 들어가서 364
요약 366

CHAPTER 10 순차열 대 순차열 모형과 주의 메커니즘 367
10.1 부호기-복호기 구조 368
   10.1.1 생각 벡터의 복호화 369
   10.1.2 비슷한 구조들 371
   10.1.3 대화 생성을 위한 순차열 대 순차열 모형 373
   10.1.4 LSTM 복습 374
10.2 순차열 대 순차열 NLP 파이프라인 구축 375
   10.2.1 순차열 대 순차열 훈련을 위한 자료 집합 준비 375
   10.2.2 케라스의 순차열 대 순차열 모형 376
   10.2.3 순차열 부호기 377
   10.2.4 생각 벡터 복호기 379
   10.2.5 순차열 대 순차열 신경망 조립 380
10.3 순차열 대 순차열 신경망의 훈련 381
   10.3.1 출력 순차열 생성 381
10.4 순차열 대 순차열 신경망을 이용한 챗봇 구축 383
   10.4.1 훈련 자료 준비 383
   10.4.2 문자 사전 구축 384
   10.4.3 원핫 부호화 훈련 집합 생성 385
   10.4.4 순차열 대 순차열 챗봇의 훈련 386
   10.4.5 순차열 생성을 위한 모형 설정 387
   10.4.6 순차열 생성(예측) 387
   10.4.7 응답문 생성 및 출력 388
   10.4.8 챗봇과 대화 389
10.5 개선안 390
   10.5.1 버키팅을 이용한 학습 복잡도 감소 390
   10.5.2 주의 메커니즘 391
10.6 순차열 대 순차열 신경망의 실제 용도 393
요약 395

PART III 응용: 실제 NLP 문제들 397
CHAPTER 11 정보 추출: 개체명 인식과 질의응답 399
11.1 개체명과 개체 관계 399
   11.1.1 지식 베이스 400
   11.1.2 정보 추출 403
11.2 정규 패턴 404
   11.2.1 정규 표현식 405
   11.2.2 기계 학습 특징 추출로서의 정보 추출 406
11.3 추출할 만한 정보 408
   11.3.1 GPS 좌표 추출 408
   11.3.2 날짜 추출 409
11.4 관계의 추출 415
   11.4.1 품사 태깅 416
   11.4.2 개체명 정규화 420
   11.4.3 관계의 정규화와 추출 422
   11.4.4 단어 패턴 422
   11.4.5 분할 423
   11.4.6 split(‘.!?’)만으로는 안 되는 이유 424
   11.4.7 정규 표현식을 이용한 문장 분할 426
11.5 실제 용도 428
요약 429

CHAPTER 12 챗봇(대화 엔진) 만들기 431
12.1 대화 능력 432
   12.1.1 현대적 접근 방식들 434
   12.1.2 혼합형 접근 방식 441
12.2 패턴 부합 접근 방식 441
   12.2.1 AIML을 이용한 패턴 부합 챗봇 구현 443
   12.2.2 패턴 부합의 그래프 시각화 450
12.3 근거화 451
12.4 정보 검색 454
   12.4.1 문맥 관리의 어려움 454
   12.4.2 정보 검색 기반 챗봇 예제 456
   12.4.3 Chatterbot 소개 460
12.5 생성 모형 463
   12.5.1 NLPIA에 관한 대화 464
   12.5.2 각 접근 방식의 장단점 466
12.6 사륜구동 467
   12.6.1 챗봇 프레임워크 Will 468
12.7 설계 과정 469
12.8 요령과 편법 473
   12.8.1 예측 가능한 답이 나올 질문을 던진다 473
   12.8.2 동문서답 474
   12.8.3 최후의 대비책은 검색 474 
   12.8.4 흥미 유지 475
   12.8.5 인연 만들기 475
   12.8.6 감정 담기 475
12.9 실제 응용 분야 476
요약 477

CHAPTER 13 규모 확장: 최적화, 병렬화, 일괄 처리 479
13.1 자료가 너무 많으면 480
13.2 NLP 알고리즘의 최적화 480
   13.2.1 색인화 481
   13.2.2 고급 색인화 483
   13.2.3 Annoy를 이용한 고급 색인화 485
   13.2.4 근사적 색인이 꼭 필요한가? 490
   13.2.5 실숫값의 색인화: 이산화 491
13.3 상수 RAM 알고리즘 492
   13.3.1 gensim 492
   13.3.2 그래프 계산 493
13.4 NLP 계산 병렬화 494
   13.4.1 GPU를 이용한 NLP 모형의 훈련 495
   13.4.2 대여와 구매 496
   13.4.3 GPU 대여 옵션들 497
   13.4.4 TPU(텐서 처리 장치) 498
13.5 모형 훈련의 메모리 요구량 줄이기 498
13.6 TensorBoard를 이용한 모형 성능 평가 501
   13.6.1 단어 내장 시각화 502
요약 505

APPENDIX A NLP 도구들 507
A.1 Anaconda3 설치 508
A.2 NLPIA 설치 509
A.3 IDE 509
A.4 우분투 패키지 관리자 510
A.5 맥 OS 511
   A.5.1 Homebrew 511
   A.5.2 기타 개발용 도구 설치 512
   A.5.3 조율 512
A.6 Windows 514
   A.6.1 VM 설정 515
A.7 NLPIA의 편의 기능 515

APPENDIX B 파이썬 즐기기와 정규 표현식 517
B.1 문자열 다루기 518
   B.1.1 문자열 형식들: str과 bytes 518
   B.1.2 파이썬 문자열 템플릿 519
B.2 파이썬의 매핑 자료 구조: dict와 OrderedDict 519
B.3 정규 표현식 520
   B.3.1 |―OR 기호 520
   B.3.2 ()―그룹 묶기 521
   B.3.3 []―문자 부류 522
B.4 코딩 스타일 523
B.5 실력 쌓기 523

APPENDIX C 벡터와 행렬: 기초 선형대수 524
C.1 벡터 524
   C.1.1 거리 526

APPENDIX D 기계 학습의 도구와 기법 531
D.1 자료 선택과 편향 531
D.2 얼마나 적합해야 적합된 것인가? 533
D.3 문제를 알면 반은 해결된 것이다 534
D.4 교차 검증 535
D.5 과대적합 방지 536
   D.5.1 정칙화 537
   D.5.2 드롭아웃 538
   D.5.3 배치 정규화 539
D.6 불균형 훈련 집합 539
   D.6.1 과다표집 540
   D.6.2 과소표집 540
   D.6.3 자료 증강 541
D.7 성능 측정 542
   D.7.1 분류 모형의 성능 측정 542
   D.7.2 회귀 모형의 성능 측정 545
D.8 전문가의 조언 545

APPENDIX E AWS GPU 설정 548
E.1 AWS 인스턴스 설정 549
   E.1.1 비용 관리 561

APPENDIX F 지역 민감 해싱(LSH) 564
F.1 고차원 벡터는 어렵다 564
   F.1.1 벡터 공간의 색인과 해시 565
   F.1.2 고차원적 사고 566
F.2 고차원 색인화 570
   F.2.1 지역 민감 해싱 570
   F.2.2 근사 최근접 이웃 검색 571
F.3 ‘좋아요’ 예측 571

참고 자료 573
용어집 586
찾아보기 595