1567
2017-08-31 20:24:03
0
역시 이것 저것 검토 하셨군요.
다만, 말미에 추가하신 나이브베이즈 분류 방법은 알고리즘 책 초반에 나올 정도로 간단한 알고리즘입니다. 하지만 더 좋은 알고리즘이 많기에
잘 사용되지 않죠. 물론 데이터가 크다면 효과적일 순 있습니다만, 적은 데이터에서의 나이브 베이즈는 오히려 성능이 좋지 않습니다.
가지고 계신 데이터셋이 크지 않다면 결국 매뉴얼한게 가장 좋습니다만, 그래도 통계기반의로 키워드 그룹을 설정하는게 향후 새로운 분류를
손쉽게 추가하시는데 도움이 될 것입니다.
다른 방법을 고민해 보자면, 핵심이 되는 메인 키워드를 찾고 그 메인 키워드와 함께 있는 다른 서브 키워드 들의 문서 빈도를 조사해서
서브 키워드드를 메인키워드에 포함하는 형태로 하시는 것도 괜찮을 것입니다. 아 결국 이건 나이브 베이즈로 처리하는 거군요 ㅎ
다만, 말미에 추가하신 나이브베이즈 분류 방법은 알고리즘 책 초반에 나올 정도로 간단한 알고리즘입니다. 하지만 더 좋은 알고리즘이 많기에
잘 사용되지 않죠. 물론 데이터가 크다면 효과적일 순 있습니다만, 적은 데이터에서의 나이브 베이즈는 오히려 성능이 좋지 않습니다.
가지고 계신 데이터셋이 크지 않다면 결국 매뉴얼한게 가장 좋습니다만, 그래도 통계기반의로 키워드 그룹을 설정하는게 향후 새로운 분류를
손쉽게 추가하시는데 도움이 될 것입니다.
다른 방법을 고민해 보자면, 핵심이 되는 메인 키워드를 찾고 그 메인 키워드와 함께 있는 다른 서브 키워드 들의 문서 빈도를 조사해서
서브 키워드드를 메인키워드에 포함하는 형태로 하시는 것도 괜찮을 것입니다. 아 결국 이건 나이브 베이즈로 처리하는 거군요 ㅎ
1566
2017-08-30 07:44:23
0
상위어와 하위어 및 유사어 간의 관계를 통한 계층적 시소러스를 구축하시려는가 봅니다.
위에서 "카테고리의 경우 인위적으로 입력을 해둘 것이고"라고 하는 말씀을 들어 볼 때
성공 = {성취, 승리, 목표} 라는 걸 자동으로 구축하고 싶으시다면
여러 텍스트마이닝 기법들이 존재하겠지만 가장 손쉽게 적용해 볼 수 있는 방법은
TF-IDF 와 같이 문서 내의 중요 키워드를 도출하고 그 키워드들을 비지도학습 클러스터링 알고리즘(예를 들어 k-means 클러스터링)을 통해
그룹(성취, 성공, 승리, 목표)으로 묶고, 묶인 그 그룹 내의 대표 키워드(성공)를 뽑으시면 될 것 같습니다.
아니면 각 뽑인 그룹 별로 직접 라벨링 하셔도 되겠지요.
다만 설명드린 방법은 가장 단순한 방법이기에 키워드를 도출하거나 클러스터링 하는 다양한 알고리즘을 바꿔 적용해 보시는게 좋겠지요.
물론 중요 키워드를 도출하실 때 TF-IDF 와 같은 통계기반으로 하셔도 되고 형태소 분석기를 통한 명사, 동사 위주로 뽑으셔도 될 겁니다.
추가로 기 구축된 계층적 시소러스를 이용하시는 것도 방법일 겁니다. 예를 들면 영어를 위한 Wordnet을 국문으로 전환해서 사용하시는 것이지요.
여러 방법을 적용해서 우수한 해를 도출하는 방법을 택하시면 되겠지요.
어찌 되었던 위 관련된 방법들을 참고하시려고 한다면, 기계학습(ML), NLP, 데이터마이닝, 웹데이터마이닝을 찾아보시면 될 것 같습니다.
아 더 추가로;;; 구축된 계층적 시로러스를 기반으로 추론을 하시려거든 RDF, OWL과 같은 온톨로지로 표현하시면 될 겁니다.
적절한 답변이 되었으려나 모르겠네요. 이미 알고계실만한 내용이기도 하구요.
위에서 "카테고리의 경우 인위적으로 입력을 해둘 것이고"라고 하는 말씀을 들어 볼 때
성공 = {성취, 승리, 목표} 라는 걸 자동으로 구축하고 싶으시다면
여러 텍스트마이닝 기법들이 존재하겠지만 가장 손쉽게 적용해 볼 수 있는 방법은
TF-IDF 와 같이 문서 내의 중요 키워드를 도출하고 그 키워드들을 비지도학습 클러스터링 알고리즘(예를 들어 k-means 클러스터링)을 통해
그룹(성취, 성공, 승리, 목표)으로 묶고, 묶인 그 그룹 내의 대표 키워드(성공)를 뽑으시면 될 것 같습니다.
아니면 각 뽑인 그룹 별로 직접 라벨링 하셔도 되겠지요.
다만 설명드린 방법은 가장 단순한 방법이기에 키워드를 도출하거나 클러스터링 하는 다양한 알고리즘을 바꿔 적용해 보시는게 좋겠지요.
물론 중요 키워드를 도출하실 때 TF-IDF 와 같은 통계기반으로 하셔도 되고 형태소 분석기를 통한 명사, 동사 위주로 뽑으셔도 될 겁니다.
추가로 기 구축된 계층적 시소러스를 이용하시는 것도 방법일 겁니다. 예를 들면 영어를 위한 Wordnet을 국문으로 전환해서 사용하시는 것이지요.
여러 방법을 적용해서 우수한 해를 도출하는 방법을 택하시면 되겠지요.
어찌 되었던 위 관련된 방법들을 참고하시려고 한다면, 기계학습(ML), NLP, 데이터마이닝, 웹데이터마이닝을 찾아보시면 될 것 같습니다.
아 더 추가로;;; 구축된 계층적 시로러스를 기반으로 추론을 하시려거든 RDF, OWL과 같은 온톨로지로 표현하시면 될 겁니다.
적절한 답변이 되었으려나 모르겠네요. 이미 알고계실만한 내용이기도 하구요.
1565
2017-08-30 05:42:45
10
히프노스 // "네 저는 원글에 이런 내용이 포함되길 바랐고 사람들이 이런 이해를 통해서 교수의 주장을 받아들였으면 했습니다."
그러면 본인이 먼저 가져오시지 그랬나요? 본인은 반박만 하면 끝입니까? 다른 사람들이 챙겨주길 바라는 거예요?
참도 논리적입니다.
그러면 본인이 먼저 가져오시지 그랬나요? 본인은 반박만 하면 끝입니까? 다른 사람들이 챙겨주길 바라는 거예요?
참도 논리적입니다.
1563
2017-08-29 09:06:16
63
현재 시각 트윗을 보니 "불쾌한 스킨쉽을 시도했습니다", "관계를 요구해서" 라는 본인 반성 댓글이 보이는 군요.
트페미들을 굉장히 싫어하지만 일단 트윗에 올린 본인 트윗이 있으니 좀 더 관망해 보는게 어떨까요?
1560
2017-08-22 04:10:36
2
한경오가 503 좀 까면 우리편이네 하고 넙죽 받아주실 셈인가?
지금은 내부 단결이 더 필요할 때 아닌가?
왜 우리 세력에 버젓이 "문재인 지지자" 들에게 경고를 보내는 저런 언론사를 도와줘야 되죠?
문재인 지지자 중에 일부라고 표현한것도 아닌데?
리얼뉴스 도와줄 바엔 뉴비스 더 돕는게 이로울 것 같은데요?
http://news.newbc.kr/
지금은 내부 단결이 더 필요할 때 아닌가?
왜 우리 세력에 버젓이 "문재인 지지자" 들에게 경고를 보내는 저런 언론사를 도와줘야 되죠?
문재인 지지자 중에 일부라고 표현한것도 아닌데?
리얼뉴스 도와줄 바엔 뉴비스 더 돕는게 이로울 것 같은데요?
http://news.newbc.kr/
1559
2017-08-19 02:30:48
0
구형이니 법원의 판결을 기대해 봅니다.
세상이 바뀐걸 법원이 안다면 저딴 구형 씹어 먹을것이고,
적폐가 남았다면 구형대로 선고하겠죠.
세상이 바뀐걸 법원이 안다면 저딴 구형 씹어 먹을것이고,
적폐가 남았다면 구형대로 선고하겠죠.
1556
2017-08-18 17:10:10
2
그렇다 하더라도 여전히 정부탓만을 기술한 현수막은 문제가 되죠.
그런 문제가 있다면 차라리 관계기관에 문의나 항의 연락을 하고 그러한 내용을 기술해야죠.
그런 문제가 있다면 차라리 관계기관에 문의나 항의 연락을 하고 그러한 내용을 기술해야죠.
1555
2017-08-18 16:06:41
4
이케아 상품이 인기있는 여러 분석 중에 하나가 완제품이 아닌 조립품을 "직접" 조립함으로써 자신이 만든 가치있는 상품이라는 느낌을 주는 거라고 합니다. 우리가 상대적으로 공짜 상품보다는 돈을 지불한 상품을 소중이 여기는 것처럼, 그냥 구입한 상품보다는 나의 노력(조립)이 들어간 상품에 좀더 애착을 주는거죠.
1554
2017-08-18 14:12:50
0
절대치로 보면 신뢰할 수 없는데
상대적으로 보면 그나마 신뢰할 수 있다고 봅니다.
상대적으로 보면 그나마 신뢰할 수 있다고 봅니다.