글 수 182

Word2Vec의 학습 방식

조회 수 855 추천 수 0 2019.01.17 23:56:07


 

https://ratsgo.github.io/from%20frequency%20to%20semantics/2017/03/30/word2vec/

 

 

 

Word2Vec에 대해서 자세히 알려주는 글입니다. 학습방식에 따라 CBOW와 Skip-gram이 있는데, 여기서는 후자를 기준으로 설명하고 있습니다.

 

Skip-gram은 중심단어로 주변단어를 예측하도록 학습합니다. 우선 위키피디아 같은 코퍼스에서 특정 윈도우(중심단어에서 왼쪽, 오른쪽 범위) 만큼 입력과 출력 단어를 뽑아냅니다.

 

 

 

나는 너를 너무 사랑해 정말로 (중심단어:너무, 윈도우:2)
-> (너무, 나는)
-> (너무, 너를)
-> (너무, 사랑해)
-> (너무, 정말로)

 

이렇게 학습 데이터를 만들고 트레이닝을 하면 비슷한 의미를 가진 단어들은 가중치의 값이 유사하게 수렴합니다. 문맥을 통해서 단어들의 의미를 파악한다고 볼 수 있습니다.

 

 

 

그런데 문제는 단어의 개수가 많을 수록 학습시간이 오래 걸린다는 점입니다. 입력과 출력이 one-hot 인코딩이기 때문에 단어의 수만큼 가중치 연결이 늘어납니다.

 

이를 해결하기 위한 첫 번째 방법은 subsampling입니다. 자주 나오는 단어일수록 높은 확률로 학습에서 제외시킵니다. 두 번째는 negative sampling으로 정답인 positive 샘플 하나와 정답이 아닌 negative 샘플 몇 십개만 뽑아서 선택적으로 가중치를 업데이트 합니다.

엮인글 :
List of Articles
제목 글쓴이 날짜 조회 수sort
Jay Alammar의 트랜스포머 한글 번역글 깊은바다 2019-05-09 942
가짜뉴스를 생성 또는 판별하는 딥러닝 모델 - Grover 깊은바다 2019-06-01 916
프로그램을 작성하는 딥마인드의 알파코드 file 깊은바다 2022-02-04 903
End-To-End Memory Networks - 자연어 질문에 대답하는 모델 [2] 깊은바다 2017-08-21 903
최신 자연어처리 모델 소개 file 깊은바다 2022-07-11 887
GPT3 유료화 기능 소개 영상 깊은바다 2020-06-15 875
LG 사이언스파크에서 만든 한글 MRC(기계독해) 데모 file [2] 깊은바다 2020-03-07 871
메타, GPT-3와 동급인 175B의 초거대모델 무료 공개 깊은바다 2022-05-04 868
질의응답을 위한 딥러닝 모델인 메모리 네트워크 정리 file 깊은바다 2018-09-26 864
챗봇의 슬롯 채우기(Slot Filling)와 DST(Dialogue State Tracking) file 깊은바다 2021-08-19 857
Word2Vec의 학습 방식 깊은바다 2019-01-17 855
유저 피드백을 받아 지속적으로 학습을 하는 챗봇 - BlenderBot 3 file 깊은바다 2022-08-06 844
스캐터랩의 핑퐁팀, 새로운 생성 모델 챗봇 데모 공개 깊은바다 2020-11-02 839
페이스북의 일상대화 딥러닝 모델 - BlenderBot file 깊은바다 2020-05-01 831
딥러닝을 사용하여 심심이의 나쁜말 필터링 기능 구현 깊은바다 2019-08-14 830