분류 전체보기 (127) 썸네일형 리스트형 [G-ChatBot] 메뉴얼 - Session 설정 변경하기 1. G-ChatBot에 로그인하세요. 2. Session을 선택해서 들어갑니다. 3. 설정 버튼을 선택합니다. 4. 원하는 설정으로 변경합니다. 5. 변경 사항이 있으면 SAVE 버튼이 활성화 됩니다. 6. SAVE 버튼을 눌러 변경 사항을 저장합니다. 7. Chat 또는 설정 버튼을 다시 누르면 변경 사항이 반영된 것을 확인할 수 있습니다. Temperature 설정 Temperature은 생성된 텍스트의 확률 분포의 랜덤성을 조절하는 역할을 합니다. 쉽게 말해 생성된 텍스트의 창의성 정도를 조절하여 얼마나 예측 불가능한 텍스트를 생성할지 정할 수 있습니다. Temperature이 낮을수록 생성된 텍스트는 보수적이고, 예상 가능합니다. Temperature이 높을수록 생성된 텍스트는 연관성이 적고, .. [G-ChatBot] 메뉴얼 - Session 생성하기 https://gboysking.net G-ChatBot Our service is an AI chatbot service developed using OpenAI API. Our service features a user-friendly interface, efficient management of token usage, the ability to edit conversation content, and management capabilities. gboysking.net 챗봇 서비스에서 방을 생성하는 방법은 다음과 같습니다. 1. G-ChatBot에 로그인하세요. 2. 화면 왼족에 있는 "NEW" 버튼을 클릭하거나 Chat 페이지 하단에 있는 "+" 버튼을 누릅니다. 3. 팝업 창에 방제목을 입력한 후.. [G-ChatBot] 사용 시 주의 사항 https://gboysking.net G-ChatBot Our service is an AI chatbot service developed using OpenAI API. Our service features a user-friendly interface, efficient management of token usage, the ability to edit conversation content, and management capabilities. gboysking.net 소개 OpenAI API를 활용한 Chat Bot 서비스입니다. GPT-3.5를 기반으로 한 AI 모델이 사용자의 질문에 인간처럼 대답하여, 자연스러운 대화를 지원합니다. 이 서비스는 기존 챗봇과는 다르게, 대화 이력의 수정과 삭제가 .. [G-ChatBot] OpenAI API를 이용한 챗봇 서비스 https://gboysking.net G-ChatBot Our service is an AI chatbot service developed using OpenAI API. Our service features a user-friendly interface, efficient management of token usage, the ability to edit conversation content, and management capabilities. gboysking.net 1. 서론 최근 AI 챗봇이 우리의 삶과 업무에서 빠질 수 없는 부분이 되어가고 있습니다. 이들은 고객 서비스를 더욱 효율적이고 빠르게 만들어주며, 다양한 분야에서 놀라운 성과를 내고 있습니다. 그러나, 기업이나 개발자들이 이러한 AI.. [자연어처리] POS Tagging을 위한 Transformer 모델 구현하기 들어가며 자연어 처리란? 자연어 처리(Natural Language Processing, NLP)는 인간의 언어를 컴퓨터가 이해하고 처리할 수 있도록 하는 분야입니다. 자연어 처리 기술은 인간과 기계 간의 의사소통을 가능하게 하며, 다양한 분야에서 활용됩니다. POS Tagging이란? POS(Part-of-Speech) Tagging은 문장 내의 각 단어가 어떤 품사(noun, verb, adjective, adverb, etc.)에 해당하는지를 태깅하는 작업입니다. 이 작업은 문장을 이해하고 해석하는 데 매우 중요합니다. Transformer 모델이란? Transformer 모델은 딥러닝에서 자연어 처리 분야에서 최근에 많이 사용되는 모델 중 하나입니다. Transformer 모델은 기존의 RNN(R.. [자연어처리] 케라스와 NLTK를 사용한 양방향 LSTM을 이용한 품사 태깅 이 코드는 양방향 LSTM 신경망을 사용하여 품사 태깅 모델을 학습하고 평가하는 파이썬 스크립트입니다. 스크립트는 NLTK 라이브러리에서 Treebank 말뭉치를 다운로드하고, 데이터를 전처리하며, Keras를 사용하여 모델 아키텍처를 정의하고, 모델을 학습하고 평가합니다. 배경 품사 태깅은 자연어 처리에서 중요한 작업 중 하나로, 문장 내 각 단어에 대한 품사 태그(명사, 동사, 형용사 등)를 할당하는 작업입니다. LSTM 신경망은 순차 데이터를 처리하는 데 유용한 재귀 신경망의 일종입니다. 양방향 LSTM은 입력 시퀀스를 앞뒤 양방향으로 처리하여, 과거와 미래의 입력에서도 문맥 정보를 파악할 수 있는 모델입니다. Treebank 말뭉치는 품사 태깅 모델을 학습하고 평가하는 데 많이 사용되는 데이터셋으.. [자연어처리] 파이썬으로 CRF를 이용한 품사 태깅 구현하기 들어가며 본 포스트에서는 파이썬을 사용하여 조건부 랜덤 필드(Conditional Random Fields, CRF) 모델을 구현하여 품사 태깅(Part-of-Speech Tagging) 문제를 해결하는 방법에 대해 다루고자 합니다. 자연어 처리 분야에서 품사 태깅은 매우 중요한 작업 중 하나입니다. 이를 통해 문장의 구조를 파악하거나 문맥에 따른 단어의 의미를 구분하는 등의 다양한 작업을 수행할 수 있습니다. 이 포스트에서는 먼저 사용할 데이터셋과 CRF 모델의 개념에 대해 간략하게 소개한 후, 주요 코드 분석과 함께 구현 방법을 자세히 설명하겠습니다. 해당 코드는 nltk와 sklearn_crfsuite 라이브러리를 사용하며, Python 3.7 버전에서 작성되었습니다. 데이터셋 소개 본 포스트에서는.. [자연어처리] Python을 활용한 POS 태깅 모델링: Hidden Markov Model 학습 방법 소개 본 포스팅에서는 Python의 Natural Language Toolkit (nltk) 라이브러리를 사용하여 Hidden Markov Model (HMM)을 학습하고, POS 태그를 예측하는 방법을 다룹니다. 자연어 처리(Natural Language Processing, NLP)는 인공지능 분야에서 가장 활발하게 연구되고 있는 분야 중 하나입니다. 이는 인간이 사용하는 자연어를 컴퓨터가 이해하고 처리할 수 있도록 하는 기술을 개발하는 것을 목적으로 합니다. POS 태깅은 NLP 분야에서 가장 기본적인 작업 중 하나이며, 이를 통해 문장 내 각 단어가 어떤 품사로 사용되는지를 파악할 수 있습니다. 본 포스팅에서는 Treebank corpus를 사용하여 HMM 모델을 학습하고, 이를 사용하여 주어진 .. 이전 1 ··· 4 5 6 7 8 9 10 ··· 16 다음
