HOME > Detail View

Detail View

자연어 처리의 정석 : 자연어 처리의 A-Z 과거부터 최근 연구까지 (Loan 2 times)

Material type
단행본
Personal Author
Eisenstein, Jacob 이동근, 역 김근호, 역
Title Statement
자연어 처리의 정석 : 자연어 처리의 A-Z 과거부터 최근 연구까지 / 제이콥 에이젠슈테인 지음 ; 이동근, 김근호 옮김
Publication, Distribution, etc
서울 :   에이콘출판,   2022  
Physical Medium
688 p. : 삽화 ; 24 cm
Series Statement
에이콘 데이터 과학 시리즈
Varied Title
Introduction to natural language processing
ISBN
9791161756455
Bibliography, Etc. Note
참고문헌(p. [629]-678)과 색인수록
Subject Added Entry-Topical Term
Natural language processing (Computer science)
000 00000nam c2200205 c 4500
001 000046117280
005 20220608170520
007 ta
008 220608s2022 ulka b 001a kor
020 ▼a 9791161756455 ▼g 93000
040 ▼a 211009 ▼c 211009 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 0 ▼a 006.3/5 ▼2 23
085 ▼a 006.35 ▼2 DDCK
090 ▼a 006.35 ▼b 2022
100 1 ▼a Eisenstein, Jacob
245 1 0 ▼a 자연어 처리의 정석 : ▼b 자연어 처리의 A-Z 과거부터 최근 연구까지 / ▼d 제이콥 에이젠슈테인 지음 ; ▼e 이동근, ▼e 김근호 옮김
246 1 9 ▼a Introduction to natural language processing
260 ▼a 서울 : ▼b 에이콘출판, ▼c 2022
300 ▼a 688 p. : ▼b 삽화 ; ▼c 24 cm
490 1 0 ▼a 에이콘 데이터 과학 시리즈
504 ▼a 참고문헌(p. [629]-678)과 색인수록
650 0 ▼a Natural language processing (Computer science)
700 1 ▼a 이동근, ▼e
700 1 ▼a 김근호, ▼e
830 0 ▼a 에이콘 데이터 과학 시리즈
900 1 0 ▼a 에이젠슈테인, 제이콥, ▼e
945 ▼a ITMT

Holdings Information

No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Main Library/Monographs(3F)/ Call Number 006.35 2022 Accession No. 111865321 Availability In loan Due Date Make a Reservation Available for Reserve(1persons reqested this item) R Service M

Contents information

Book Introduction

자연어 처리와 머신러닝/딥러닝을 통합하고 해당 과정들을 자세하게 설명하는 책이다. 전통적인 통계 기반의 자연어 처리 방법에서 시작해 최근의 딥러닝/머신러닝 방법을 사용한 자연어 처리 방법까지 다룬다. 먼저, 지도/비지도학습과 관련한 머신러닝 방법론에 대해 설명한 후, 자연어 처리를 다루는 여러 알고리듬을 알아본다. 전통적인 알고리듬인 시퀀스, 트리, 그래프 등을 사용해서 어떻게 자연어를 다루는지 설명한다.

엔지니어와 연구자들이 자연어 처리를 다루기 위해 필요한 언어학 지식에 대해서도 충분히 알아본다. 형태소, 품사에서 시작해서 구조적 표현으로 컴퓨터가 인식하기 위한 연산으로 적용되는지 설명하며, 언어에 대한 형식적인 논리를 위한 방법부터 단어 임베딩까지 의미를 표현하고 해석하는 방법을 다룬다. 마지막에는 문서에서 정보를 추출하는 방법, 기계 번역, 텍스트를 직접 생성하는 것까지 최근의 응용 사례에 대한 방법까지 빼놓지 않고 이야기한다.

결과적으로 이 책은 머신러닝과 언어학을 자연어 처리라는 하나의 목표 아래 통합하며, 최근의 자연어 처리 연구를 이해하고 적용할 수 있도록 만들어주기에 더할 나위 없는 책이다.

◈ 이 책에서 다루는 내용 ◈

이 책은 자연어 처리의 다양한 핵심 개념을 다룬다. 자연어 처리 작업을 위한 수많은 문제는 다음의 여러 방법을 사용해 해결할 수 있다.

◆ 탐색: 비터비 탐색, CKY 알고리듬, 스패닝 트리, 이동 감소, 정수 선형 프로그래밍, 빔 탐색
◆ 학습: 최대 우도 추정, 로지스틱 회귀, 퍼셉트론, 기댓값 - 최대화, 행렬 분해, 역전파

이 책에서는 이러한 방법들이 어떻게 동작하는지 설명하고, 광범위한 자연어 처리 작업에 어떻게 적용할 수 있을지 다뤄본다. 또한 문서 분류, 단어 의미 모호성, 품사 태깅, 개체명 인식, 파싱, 상호 참조 해결, 관계 추출, 담화 분석, 언어 모델링, 기계 번역 등과 같은 여러 자연어 처리 작업에 대해서 함께 다룬다.

◈ 이 책의 대상 독자 ◈

어느 정도 소프트웨어 지식이 있는 엔지니어와 대학원생 수준 이상의 연구자들에게 적합한 책이다. 각 장은 서로 독립돼 있지만 어느 순간 자연스레 통합되도록 구성됐다. 필요한 부분만 찾아서 읽어도 좋고, 전체를 하나씩 훑으며 큰 줄기를 잡는 것도 좋다.

◈ 이 책의 구성 ◈

기본적인 내용을 익힌 후, 다음의 4개 주요 영역을 다룬다.
◆ 학습: 다른 섹션에서 사용되는 여러 머신러닝 툴을 만들어볼 것이다. 머신러닝에 초점을 맞춰서 설명하기 때문에 텍스트 표현이나 언어학적인 현상들은 대부분 간단하다. "bag-of-words" 텍스트 분류를 예시 모델로 다룰 것이다. 4장에서는 단어 기반의 텍스트 분석에 관해 언어학적으로 흥미로운 응용 방법을 설명한다.
◆ 시퀀스와 트리: 언어를 구조학적인 현상에 비춰 설명하는 섹션이다. 시퀀스 및 트리 표현과 이들이 만들어내는 알고리듬에 대해 다루고 이러한 표현에서 발생되는 한계점에 대해서 설명한다. 9장에서는 유한 상태 오토마타(finite-state automata)에 대해 소개하고, 영어 구문론에서의 문맥 자유 언어를 짧게 소개한다.
◆ 의미: 형식 논리에서부터 뉴럴 단어 임베딩까지 텍스트를 통해 의미를 표현하고, 계산하기 위한 내용을 다룬다. 의미론과 밀접하게 관련 있는 참조 모호성을 해결하기 위한 방법과 담화 구조에서의 다문장 분석에 대한 두 가지 주제 등을 다룬다.
◆ 응용: 자연어 처리에 대한 주요한 응용 문제인 정보 추출, 기계 번역, 텍스트 생성에 대해 설명한다. 각 장에서 뉴럴 어텐션과 같은 방법을 소개하면서 이 책의 앞부분에서 구축한 형식과 방법을 사용해 가장 잘 알려진 시스템 중 일부를 설명한다.


Information Provided By: : Aladin

Author Introduction

제이콥 에이젠슈테인(지은이)

현재 구글에서 연구하고 있다. 구글에 합류하기 전에는 조지아공과대학교의 컴퓨터과학부(School of Interactive Computing)에서 교수로 재직했다.

이동근(옮긴이)

컴퓨터과학을 전공하던 중 소프트웨어 엔지니어의 길로 들어섰다. 채용과 아웃소싱 시장의 변화를 주도하고 있는 시소(seeso)를 창업했다. 수백 개의 프로젝트와 수백 명의 실무 전문가들과 작업하고 여러 업무 데이터를 활용해 프로젝트를 효율적으로 수행할 수 있는 여러 서비스를 개발했다. AI를 활용한 서비스를 꾸준히 개발하고 있으며, 팀으로 함께 일하며 성장하는 것에 관심이 많다. 여유가 있을 때는 사회 문제를 IT로 해결하는 여러 프로젝트를 수행하거나, 번역 작업을 한다. 오픈소스와 오픈소스가 가지는 문화에 존경심을 갖고 있다.

김근호(옮긴이)

한국외국어대학교에서 영어통번역과 중국지역학을 전공했다. 어릴 적부터 언어를 좋아했고, 언어학으로 시작한 관심이 프로그래밍 언어로 이어져 지금은 백엔드 개발자로 일하고 있다. 현재는 ERP 시스템을 개발한다. 지금도 언어에 관심이 많아 프로그래밍 언어와 함께 여러 언어를 학습하는 것이 취미다.

Information Provided By: : Aladin

Table of Contents

1장. 개요
1.1 자연어 처리와 그 이웃들
1.2 자연어 처리의 세 가지 주제

2장. 선형 텍스트 분류
2.1 단어 가방
2.2 나이브 베이즈
2.3 결정 학습
2.4 손실함수와 큰 마진 분류
2.5 로지스틱 회귀
2.6 최적화
2.7 분류에서의 또 다른 주제들
2.8 학습 알고리듬 요약

3장. 비선형 분류
3.1 피드포워드 뉴럴 네트워크
3.2 뉴럴 네트워크 디자인하기
3.3 뉴럴 네트워크 학습하기
3.4 컨볼루셔널(합성곱) 뉴럴 네트워크

4장. 언어 기반의 분류 응용
4.1 감성 및 의견 분석
4.2 단어 의미의 모호성
4.3 텍스트 분류를 위한 의사 결정 디자인
4.4 분류기 평가하기
4.5 데이터 세트 만들기

5장. 비지도 학습
5.1 비지도 학습
5.2 기댓값 최대화의 적용
5.3 준지도 학습
5.4 도메인 적응
5.5 잠재변수가 있는 학습에 대한 여러 접근법

6장. 언어 모델
6.1 그램 언어 모델
6.2 평활화와 할인하기
6.3 순환 뉴럴 네트워크 언어 모델
6.4 언어 모델 평가하기
6.5 어휘집에 없는 단어

7장. 시퀀스 라벨링
7.1 분류에서의 시퀀스 라벨링
7.2 구조 예측을 위한 시퀀스 라벨링
7.3 비터비 알고리듬
7.4 은닉 마르코프 모델
7.5 피처를 사용한 결정하는 시퀀스 라벨링
7.6 뉴럴 시퀀스 라벨링
7.7 비지도 시퀀스 라벨링

8장. 시퀀스 라벨링 응용
8.1 품사 식별
8.2 형태구문론적 속성
8.3 개체명 인식
8.4 토크나이제이션
8.5 코드 스위칭
8.6 대화 행위

9장. 형식 언어론
9.1 정규 언어
9.2 문맥 자유 언어
9.3 가벼운 문맥 의존 언어

10장. 문맥 자유 파싱
10.1 결정형 상향식 파싱
10.2 모호성
10.3 가중치가 있는 문맥 자유 문법
10.4 가중치가 있는 문맥 자유 문법 학습하기
10.5 문법 보정
10.6 문맥 자유 파싱을 너머

11장. 의존 파싱
11.1 의존 문법
11.2 그래프 기반 의존 파싱
11.3 전이 기반 의존 파싱
11.4 응용

12장. 논리적 의미론
12.1 의미와 표기
12.2 의미의 논리적 표현
12.3 의미 파싱과 람다 대수
12.4 의미 파서 학습하기

13장. 술어 인자 의미론
13.1 의미 역할
13.2 의미 역할 라벨링
13.3 추상 의미 표현

14장. 분포 의미와 분산 의미
14.1 분포 가설
14.2 단어 표현을 위한 디자인 결정
14.3 잠재 의미 분석
14.4 브라운 군집
14.5 뉴럴 단어 임베딩
14.6 단어 임베딩 평가하기
14.7 분포 통계량 너머의 분포된 표현
14.8 다중 단어 단위의 분포된 표현

15장. 참조 해결
15.1 참조 표현의 형태
15.2 상호 참조 해결을 위한 알고리듬
15.3 상호 참조 해결 표현하기
15.4 상호 참조 해결 평가하기

16장. 담화
16.1 분절
16.2 개체와 언급
16.3 관계

17장. 정보 추출
17.1 개체
17.2 관계
17.3 사건
17.4 헤지, 부정, 가정
17.5 질의 응답과 기계 독해

18장. 기계 번역
18.1 기계 번역 작업
18.2 통계적 기계 번역
18.3 뉴럴 기계 번역
18.4 디코딩
18.5 평가 지표 훈련

19장. 텍스트 생성
19.1 데이터를 통한 텍스트 생성
19.2 텍스트를 통한 텍스트 생성
19.3 대화

부록 A. 확률
A.1 사건 조합의 확률
A.2 조건부 확률과 베이즈 규칙
A.3 독립
A.4 확률변수
A.5 기댓값
A.6 모델링과 추정

부록 B. 수치 최적화
B.1 경사 하강
B.2 제약 조건이 있는 최적화
B.3 예시: 수동적 - 능동적 온라인 학습

New Arrivals Books in Related Fields

Alexopoulos, Panos (2022)