[NLP] 자연어 작업 종류

자연어 태스크

• 텍스트 분류는 텍스트 조각을 미리 정의된 여러 클래스 중 하나로 분류할 때 사용합니다. 대표적인 예는 이메일 스팸 검색, 뉴스 분류, 지원 요청을 특정 범주에 할당하는 작업입니다.
• 의도 분류 는 대화형 AI 시스템의 입력 발언을 문구의 실제 의미 또는 사용자의 의도를 나타내는 의도 중 하나에 매핑하는 텍스트 분류의 대표적인 사례입니다.
• 감정 분석은 회귀 작업으로, 지정된 텍스트의 부정성 정도를 이해하는 작업입니다. 데이터 세트의 텍스트에 가장 부정적인 텍스트(-1)에서 가장 긍정적인 텍스트(+1)를 레이블로 지정하고, 텍스트의 여러 "긍정성"을 출력하는 모델을 훈련하려 합니다.
• 명명된 엔터티 인식(NER)은 날짜, 주소, 사람 이름 등과 같은 텍스트에서 일부 엔터티를 추출하는 작업입니다. NER은 의도 분류와 함께 종종 대화 시스템에서 사용자의 발언에서 매개 변수를 추출하는 데 사용됩니다.
• 키워드 추출이라는 유사한 태스크를 사용하여 텍스트 내에서 가장 의미 있는 단어를 찾은 다음 태그로 사용할 수 있습니다.
• 텍스트 요약 은 가장 의미 있는 텍스트를 추출하여 대부분의 의미가 포함하는 압축된 버전을 사용자에게 제공합니다.
• 질문/답변은 텍스트 조각에서 답변을 추출하는 태스크입니다. 이 모델은 텍스트 조각과 질문을 입력으로 가져오며, 답변이 포함된 텍스트 내에서 정확한 위치를 찾아야 합니다. 예를 들어 "John은 Microsoft Learn을 즐겨 사용하는 22살 학생입니다"라는 텍스트와 John은 몇 살인가요라는 질문은 22라는 답변을 제공해야 합니다