최장 공통 부분 수열 개요 최장통 부분 수열(Longest Subsequence, 이하 LCS)은 개 이상의 문자열(또는 수열)에서 동시에 나타나는 부분 수열(subsequence) 중 가장 긴 것을 찾는 문제입니다. 이 알고리즘은 자연어처리(NLP), 생물정보학, 버전 관리 시스템(예: git diff), 텍스트 비교 도구 등 다양한 분야에서 핵심적으로 …

병렬 코퍼스 (Parallel Corpus) 개요 병렬 코퍼스(Parallel Corpus)는 자연어 처리(Natural Language Processing, NLP), 특히 기계 번역(Machine Translation) 분야에서 핵심적인 역할을 하는 대규모 텍스트 데이터셋입니다. 병렬 코퍼스는 두 개 이상의 언어로 번역된 동일한 내용을 담고 있는 문서들…

CNN/Daily Mail 개요 CNN/Daily Mail(줄여서 C/D M)은 자연어 처리(NLP) 분야에서 추상적 요약(abstractive summarization) 및 추출적 요약(extractive summarization) 모델을 평가하기 위해 널리 사용되는 대규모 벤치마크 데이터셋이다. 2015년 Harvard NLP 연구팀이 공개했으며, 영문…

유사도 평가 개요 자연어(Natural Language Processing, NLP 분야에서 유사도 평가(Similarity Evaluation)는 두 개 이상의 텍 간 의미적 유사성을 정량적으로 측정하는 과정을 의미합니다. 이는 기계번역, 질의응답 시스, 요약 생성 문장 임베딩 대화 시스템 등 NLP 응용 분야에서 모델 성능을 평가하는 핵심 요소로 사용됩…

텍스트 요약 개요 텍스트 요약( Summarization)은 자연어처리(Natural Language Processing, NLP)의 주요 응용 기술 중 하나로, 주어진 텍스트의 핵심 내용을 보하면서 그 길이를 줄여 요약본 생성하는 작업을 말한다. 정보 과부하 시대에 대량의 텍스트 데이터 효율적으로 소화하고 이해하기 위해 텍스트 요약 기술은 뉴스 요약, 법…

Levenshtein리 Levenshtein 거리(venshtein Distance)는 두열 간의 유사도를 측정하는 데 사용되는 편집 거리(Edit Distance)의 한 형태로, 1965년 러시아 수학자 블라디미르 레벤슈타인(Vladimir Levenshtein)에 의해 제안되었습니다. 이 거리는 하나의 문자열을 다른 문자열로 변환하기 위해 필요한 최소 …

문장 임베딩 개요 문장 임딩(Sentence Embedding)은어처리(NLP 분야에서 문장을 고정된 차원의 밀집 벡터(dense vector) 형태로 표현하는 기술을 의미합니다. 이 벡터는 문장의 의미적, 문법적 특성을 수치적으로 인코딩하여, 유사한 의미를 가진 문장은 벡터 공간에서 가까운 위치에 배치되도록 합니다. 문장 임베딩은 기계번역, 질문 응답, …

BLEU BLEU(Bilingual Evaluationstudy)는 기번역 시스템의 출력질을 자동으로 평가하기 위해 개발된 지표로, 202년 IBM의 Kishore Papineni와 동료들에 의해 제안되었습니다. 이 지표는 기계 생성한 번역 문장을 이상의 인간 전문 번역가가 작성한참조 번역"(reference translation)과 비교함으로써 유사를 정…