스파크를 이용한 자연어 처리: 대규모 텍스트를 다루는 가장 효율적인 딥러닝을 만나다

Spark NLP로 구현하는 자연어 처리 애플리케이션 아파치 스파크 위에 구축된 자연어 처리 라이브러리인 Spark NLP는 정확성과 빠른 속도, 넓은 확장성을 지원한다. 이 책은 Spark NLP로 효율적인 애플리케이션을 설계하고 제작하는 방법을 소개한다. 구체적인 예제와 친절한 설명을 통해 기본적인 언어학과 문자 체계부터 감성 분석, 검색 엔진 구축까지 Spark NLP를 사용하는 데 필요한 모든 것을 다룬다. 또한 NLP 애플리케이션 개발 시 매우 중요한 성능 문제도 살펴보며 실무에 응용하기 전 꼭 알아야 할 내용을 빠짐없이 담았다. 예제를 따라 하며 딥러닝과 Spark NLP 라이브러리로 자신만의 확장 가능한 NLP 애플리케이션을 만들어보자.

[PART I 기초] CHAPTER 1 시작하기 1.1 Spark NLP와 자연어 처리 1.2 기타 도구 1.3 환경 설정 1.4 아파치 스파크에 익숙해지기 1.5 Spark NLP를 사용한 Hello World CHAPTER 2 자연어 처리 기초 2.1 자연어 처리 정의 2.2 언어학 2.3 사회언어학 2.4 화용론 2.5 문자 2.6 인코딩 2.7 연습 문제: 토큰화 2.8 참고 자료 CHAPTER 3 아파치 스파크의 NLP 라이브러리 3.1 병렬처리, 동시성과 분산 컴퓨팅 3.2 아파치 스파크의 아키텍처 3.3 스파크 SQL과 Spark MLlib 3.4 NLP 라이브러리 3.5 Spark NLP 3.6 연습 문제: 토픽 모델 구축 3.7 참고 자료 CHAPTER 4 딥러닝 기초 4.1 경사 하강법 4.2 역전파 4.3 합성곱 신경망 4.4 순환 신경망 4.5 연습 문제 1 4.6 연습 문제 2 4.7 참고 자료 [PART II 빌딩 블록] CHAPTER 5 단어 처리 5.1 토큰화 5.2 어휘 감소 5.3 단어 가방 5.4 CountVectorizer 5.5 n-gram 5.6 시각화: 단어 및 문서 분산 5.7 연습 문제 5.8 참고 자료 CHAPTER 6 정보 검색 6.1 역 인덱스 6.2 벡터 공간 모델 6.3 연습 문제 6.4 참고 자료 CHAPTER 7 분류와 회귀 7.1 BoW 기능 7.2 정규식 특성 7.3 특성 선택 7.4 모델링 7.5 반복 7.6 연습 문제 CHAPTER 8 케라스를 사용한 시퀀스 모델링 8.1 문장 분할 8.2 섹션 분할 8.3 품사 태깅 8.4 조건부 무작위장 8.5 청킹 및 구문 분석 8.6 언어 모델 8.7 순환 신경망 8.8 연습 문제: 문자 n-gram 8.9 연습 문제: 단어 언어 모델 8.10 참고 자료 CHAPTER 9 정보 추출 9.1 개체명 인식 9.2 상호 참조 해결 9.3 어서션 상태 감지 9.4 관계 추출 9.5 마치며 9.6 연습 문제 CHAPTER 10 주제 모델링 10.1 k-평균 10.2 잠재 의미 분석 10.3 음수 미포함 행렬 분해 10.4 잠재 디리클레 할당 10.5 연습 문제 CHAPTER 11 단어 임베딩 11.1 Word2Vec 11.2 글로브 11.3 패스트텍스트 11.4 변환자 11.5 ELMo, BERT와 XLNet 11.6 doc2vec 11.7 연습 문제 [PART III 애플리케이션] CHAPTER 12 감성 분석과 감지 12.1 문제 진술과 제약 12.2 프로젝트 계획 12.3 솔루션 설계 12.4 솔루션 구현 12.5 솔루션 테스트와 측정 12.6 검토 12.7 마치며 CHAPTER 13 지식 베이스 구축 13.1 문제 진술과 제약 13.2 프로젝트 계획 13.3 솔루션 설계 13.4 솔루션 구현 13.5 솔루션 테스트와 측정 13.6 검토 13.7 마치며 CHAPTER 14 검색엔진 14.1 문제 진술과 제약 조건 14.2 프로젝트 계획 14.3 솔루션 설계 14.4 솔루션 구현 14.5 솔루션 테스트 및 측정 14.6 검토 14.7 마치며 CHAPTER 15 챗봇 15.1 문제 진술 및 제약 15.2 프로젝트 계획 15.3 솔루션 설계 15.4 솔루션 구현 15.5 솔루션 테스트 및 측정 15.6 검토 15.7 마치며 CHAPTER 16 객체 문자 인식 16.1 OCR 작업의 종류 16.2 문제 진술 및 제약 16.3 프로젝트 계획 16.4 솔루션 구현 16.5 솔루션 테스트 및 측정 16.6 모델 중심 지표 16.7 검토 16.8 마치며 [PART IV NLP 시스템 구축] CHAPTER 17 다국어 지원 17.1 언어 유형 17.2 시나리오: 학술 논문 분류 17.3 다양한 언어의 텍스트 처리 17.4 전이 학습과 다국어 딥러닝 17.5 언어 간 검색 17.6 체크리스트 17.7 마치며 CHAPTER 18 수동 레이블링 18.1 가이드라인 18.2 시나리오: 학술 논문 분류 18.3 레이블러 간 동의 18.4 반복 레이블링 18.5 텍스트 레이블링 18.6 체크리스트 18.7 마치며 CHAPTER 19 NLP 애플리케이션 제작 19.1 Spark NLP 모델 캐시 19.2 Spark NLP와 텐서플로 통합 19.3 체크리스트 19.4 마치며