posted Mar 2, 2021, 11:09 PM by Sung Youn PAK [ updated Mar 2, 2021, 11:09 PM] - 비슷한 키워드끼리. 위키등에서 word2vec으로 학습한 NLP 모델 가지고 vector space에 뿌려 봄. 380개 결과 괜찮음
- 비슷한 속성끼리. 6880개. 위키등에서 학습한 NLP 모델 가지고 뿌려봄 결과 괜찮음
- 속성만 보고 비슷한 키워드를 찾는 거 했더니 결과 안 괜찮음
- 속성, 키워드 다 넣어보니까 그래도 결과가 괜찮음
- 크리베이트 데이터는 속성과 키워드로 되어 있음. 특이한 구조 -> 위키를 그냥 막 가져다 붙일 수 없음
- 속성이 너무 적다. 속성을 늘릴 수 있는 방법을 설계하는 게 좋겠다.
- 감각이라든지 컨디션을 넣으면 결과가 달라질 수 있다.
- 단지 언어학적으로 거리를 계산한 것이지 물체에 대한 이해도는 없는 것이다.
- 형용사 온톨로지 같은 걸 를 통해서...이미 있는 데이터를 메타적으로 분류할 수 있지 않을까? 예를 들어, 빨갛다는 색깔 속성이라는 것을 알고 있는 온톨로지 데이터에 기반해서 속성을 색상이라고 유추하는 것이 될까?
- 원래 의도는 인간이 못하는 것 더 극단적으로 생각해서 아이디어를 얻는 것을 기계한테 시켜려고 했는데, 키워드가 멀면 가까운 속성을, 키워드가 가까우면 먼 속성을 붙이는 식으로...데이터가 너무 적어서 결과는 만족스럽지 않지만
- 알게 된 거는 - 언어학적으로 단순히 가깝다 멀다 거리를 측정하는 방식으로는 데이터 수도 적지만 한계가 있었고
- 새로 해 볼 것은 - 메타화 시킨 상태에서 새로운 속성을 제안하는 게 어떨지?
|
|
