레플리
글 수 281


img

 

https://tykimos.github.io/2017/08/17/Text_Input_Binary_Classification_Model_Recipe/

 

 

 

영화정보 사이트인 IMDb의 영화평점 데이터를 사용해서 케라스로 학습하는 코드입니다. 자연어를 어떻게 벡터로 임베딩을 하는지 간단하게 설명해 보겠습니다.

 

먼저 데이터셋에 있는 모든 단어를 빈도수에 따라 정렬하고 ID를 부여합니다. 보통 편의를 위해서 최대 단어수를 지정합니다. 여기서는 5개의 단어만 존재한다고 가정하고 빈도수는 임의로 설정하겠습니다.

 

--------------------
love -> 0
i -> 1
so -> 2
you -> 3
much -> 4
--------------------

 

그리고 문장의 단어를 ID로 변환합니다.

 

----------------------------
i love you so much
-> [1, 0, 3, 2, 4]
----------------------------

 

 

 

만약 단어의 수가 적다면 다음과 같이 간단하게 각각의 ID를 벡터로 지정하는 One-Hot Encoding으로 변환할 수도 있습니다.

 

-------------------------------------
i -> (0, 1, 0, 0, 0)
love -> (1, 0, 0, 0, 0)
you -> (0, 0, 0, 1, 0)
so -> (0, 0, 1, 0, 0)
much -> (0, 0, 0, 0, 1)
-------------------------------------

 

 

 

하지만 보통은 차원의 수를 줄이기 위해 임베딩 함수를 이용합니다. 전체 단어수는 5, 임베딩 벡터 크기는 3, 한 문장의 단어 개수는 5일때 아래와 같이 구현을 합니다.

 

----------------------------------------------------------------
model.add(Embedding(5, 3, input_length=5))
----------------------------------------------------------------

 

임베딩의 초기값은 랜덤하게 지정이 되고 학습을 통해 조금씩 업데이트 됩니다. Word2Vec 같은 방식을 사용하여 초기값을 설정할 수도 있습니다.

 

---------------------------------
i -> (0.5, 0.1, 0.7)
love -> (0.2, 0.6, 0.3)
you -> (0.9, 0.7, 0.5)
so -> (0.4, 0.7, 0.1)
much -> (0.3, 0.4, 0.5)

 

i love you so much
-> {[0.5, 0.1, 0.7], [0.2, 0.6, 0.3], [0.9, 0.7, 0.5], [0.4, 0.7, 0.1], [0.3, 0.4, 0.5]}
---------------------------------

엮인글 :

NeuroWhAI

2018.04.04 03:09:28
*.64.194.131

seq2seq 예시를 만들었는데 임베딩 레이어를 넣어보려고 했더니 정작 디코딩은 어떻게 해야할지 모르겠더라구요. 임베딩한 값을 다시 단어로 바꾸려면 뭐라고 검색을 해봐야 할까요 ㅠ

깊은바다

2018.04.04 23:06:47
*.68.247.188

원핫인코딩 예제는 많은데 임베딩으로 되어 있는 것은 저도 찾기가 어렵네요^^; 제 생각에는 벡터 유사도 비교를 해서 가장 비슷한 걸로 표시하면 될 것 같은데요.

NeuroWhAI

2018.04.05 03:26:04
*.64.194.131

음 역시 가장 가까운 벡터값을 가진 단어를 선택하도록 탐색하는 수 밖에 없겠네요..

List of Articles
제목 글쓴이 날짜 조회 수sort
아카라이브 AI 언어모델 로컬 채널 file 깊은바다 2023-05-23 488
썰로 푸는 NLP 깊은바다 2018-10-11 494
RAG 아키텍처를 위한 임베딩 모델의 선택에 대해 깊은바다 2023-09-14 496
카카오의 딥러닝 기반 형태소 분석기 깊은바다 2018-11-30 497
ChatGPT의 오픈소스 버전 - ColossalChat file 깊은바다 2023-03-30 497
ChatGPT는 새로운 검색엔진이 될까 file 깊은바다 2022-12-06 506
검색기반 거대모델인 딥마인드의 RETRO 깊은바다 2021-12-20 510
꼼꼼하고 이해하기 쉬운 ELECTRA 논문 리뷰 깊은바다 2020-05-15 512
딥러닝 학습으로 배우는 대화 인공지능 - 구글 듀플렉스 깊은바다 2018-05-09 515
딥러닝을 이용한 자연어 처리 깊은바다 2018-08-01 523
인플루언서의 목소리 클론과 GPT-4로 만든 아바타 서비스 - Caryn.ai 깊은바다 2023-05-11 531
RNN과 Torch로 발라드곡 작사하기 깊은바다 2018-03-23 538
좋은 응답을 골라내는 모델 만들기 - 핑퐁의 답변매칭 알고리즘 깊은바다 2020-12-10 552
GPT2의 1.5B 모델 공개 깊은바다 2019-11-08 553
네이버의 초거대모델인 HyperCLOVA 논문 file 깊은바다 2021-09-13 554