http://hichoe95.tistory.com/13

PyTorch로 만든 RNN와 Attention 기반의 챗봇입니다. 코드도 중간중간 잘 설명이 되어 있어 어렵지 않게 이해할 수 있습니다. 뒤의 테스트 결과를 보면 띄어쓰기별로 단어 임베딩을 한 것을 볼 수 있습니다. 예를 들어, "나는 너를 사랑해"는 '나는/너를/사랑해'로 단어가 구분됩니다. Github에 올라온 seq2seq 코드를 보면 거의 영문이거나 출력이 한글일 경우 이와 같이 띄어쓰기로 전체를 한 단어라 판별하여 임베딩을 합니다.

굴절어인 영어는 뒷부분만 조금씩 바뀌기 때문에 단수/복수/시제 등을 구분하지 않고 통째로 임베딩을 해도 됩니다. 'study/studies/studied/studying' 등의 변화가 있지만 몇개 되지 않아 단어의 수가 크게 늘어나지 않습니다.

하지만 한글은 '어간+어미'가 붙는 교착어로 단어의 변화가 매우 심합니다. '너는/너를/너에게/너만/...' 등 수많은 어미로 파생합니다. 반면 영어는 'you/you/to you/only you/...' 등 동일하거나 분리된 단어로 표시가 가능합니다. 만약 어간이 10000개이고 어미가 10개라면 모두 100000개의 단어가 필요합니다. 하지만 영어는 10010개면 충분합니다.

링크의 글을 보면 마지막에는 형태소 단위로 임베딩을 하였습니다. 이러면 단어의 수가 크게 줄어들기 때문에 학습이 더 잘될 수 있습니다. 하지만 '회식 가 기 싫 으시 ㄴ 거 에 요'처럼 형태소로 나온 출력을 합치고 띄어쓰기를 하는게 쉽지 않다는 단점이 있습니다.