추가 적립 안내

한국의 학생, 연구원, 그리고 학자들이 좀 더 쉽게 자연어처리를 습득할 수 있고, 한국어의 특성을 반영한 자연어처리를 배울 수 있기를 희망하며 집필되었다. 크게 세 가지 파트로 구성되었다. 첫 번째 파트에서는 자연어처리를 배우기 위하여 필요로 하는 수학, 언어학 등의 기본 지식과 파이프라인 방식의 자연어처리를 위한 각 단계들에 대한 핵심 원리를 설명한다.

두 번째 파트에서는 자연어처리 기술을 활용하여 개발될 수 있는 여러 가지 응용 시스템을 설명하고, 각 시스템의 기본 원리를 설명하였다. 이미지처리 영역에서 높은 성과를 보였던 딥러닝 기술이 최근에는 자연어처리 기술에도 활발하게 적용되고 있다.

세 번째 파트에서는 딥러닝 기술의 원리와 딥러닝 기술을 이용한 자연어처리 기술에 대하여 설명한다. 여기서는 첫 번째 파트에서 소개된 자연어처리의 각 단계의 기술들이 어떻게 딥러닝 기술을 이용하여 개발되어질 수 있는지를 중심으로 설명한다.

저자는 1990년대 초 대학원에 진학해서 자연어처리에 대한 연구와 공부를 시작했다. 당시 주변 사람들에게 자연어처리를 연구한다고 하면 컴퓨터학을 연구하는 사람들조차도 바로 알아듣는 사람들이 많지 않은 실정이었다. 하지만 요즘은 학계와 산업계뿐만 아니라 일반인들 중에서도 자연어처리에 대해서 관심을 갖고 공부하고 관련 기술을 습득하기를 원하는 사람들이 늘어나고 있는 상황이다. 자연어처리가 왜 중요하게 여겨지고 관심을 받고 있는 걸까? 사람의 지능에 가깝고 또 능가하는 인공지능을 개발하기 위해서는 세상에 대한 지식(world knowledge)을 컴퓨터가 사용할 수 있도록 표현하는 기술(knowledge representation)과 세상으로부터 지식을 자동으로 획득하는 지식 획득 기술(knowledge acquisition)이 매우 중요하다. 대부분의 세상 지식은 자연어로 기술되어 있다. 따라서 자연어를 이해하여 세상 지식으로 변환하는데 필수적인 자연어처리 기술이 인공지능 개발에 있어서 대단히 중요하다. 또한 사람과 컴퓨터간의 자연스러운 사용자 인터페이스 중에서 언어를 이용한 인터페이스가 매우 중요하다. 컴퓨터가 사람이 이야기한 내용을 알아듣고 사람들이 이해하기 쉬운 자연어 구사를 가능케 하는 자연어처리 기술은 사람들이 컴퓨터 사용법을 배우거나 프로그래밍 언어를 배워야 하는 어려움을 없애줄 수 있다. 위에서 기술한 두 가지 이외에도 인공지능 시대에서의 자연어처리 기술의 역할은 매우 크다.
자연어처리 기술의 중요성과 관심이 높아지는 상황에 비해 한국인들이 쉽게 자연어처리를 배울 수 있는 한국어로 쓰여진 자연어처리 교재가 거의 전무한 상황이다. 또한 한국어 자연어처리를 위해서 알아야 할 한국어 특성을 반영한 자연어처리의 원리와 개념을 배울 수 있는 교재도 많지 않은 실정이다. 본 서는 한국의 학생, 연구원, 그리고 학자들이 좀 더 쉽게 자연어처리를 습득할 수 있고, 한국어의 특성을 반영한 자연어처리를 배울 수 있기를 희망하며 집필되었다.
본 서는 크게 세 가지 파트로 구성되었다. 첫 번째 파트에서는 자연어처리를 배우기 위하여 필요로 하는 수학, 언어학 등의 기본 지식과 파이프라인 방식의 자연어처리를 위한 각 단계들에 대한 핵심 원리를 설명한다. 두 번째 파트에서는 자연어처리 기술을 활용하여 개발될 수 있는 여러 가지 응용 시스템을 설명하고, 각 시스템의 기본 원리를 설명하였다. 이미지처리 영역에서 높은 성과를 보였던 딥러닝 기술이 최근에는 자연어처리 기술에도 활발하게 적용되고 있다. 세 번째 파트에서는 딥러닝 기술의 원리와 딥러닝 기술을 이용한 자연어처리 기술에 대하여 설명한다. 여기서는 첫 번째 파트에서 소개된 자연어처리의 각 단계의 기술들이 어떻게 딥러닝 기술을 이용하여 개발되어질 수 있는지를 중심으로 설명한다.
매우 부족하지만 본 서의 초판을 집필하면서 한국어 자연어처리 연구와 교육을 하는 사람으로서 한국어로된 교재를 쓰지 못해 가졌던 부담과 짐을 조금은 덜 수 있을 것 같다. 방대한 양의 본 서를 출판하는 데에는 각 맡은 부분에 대한 내용을 조사하고 연구하고 집필한 고려대학교 NLP & AI Lab.의 모든 구성원의 역할이 매우 지대했음을 밝히지 않을 수 없다. 그들이 없었으면 본 서는 세상의 빛을 보지 못했을 것이다. 지면관계상 모든 사람들의 이름을 밝히지 못함에 용서를 구한다. 또한 오랫동안 우유부단하게 책 집필을 시작하지 못한 저자를 움직이게 하고, 또 후원해주신 인성 유휘성 회장님께 감사의 말씀을 전한다. 늘 남편을 응원하고 사랑해주는 아내, 삶의 기업처럼 든든한 아들과 딸에게도 무한한 감사의 마음을 전한다. 마지막으로 저자를 포함한 모든 공동 저자들에게 학문과 연구를 하고, 아는 것을 글로 잘 표현할 수 있는 지혜를 주신 하나님께 감사드리며 그 분께 모든 영광을 돌린다.

자연어처리의 기본

CHAPTER 1 자연어처리의 기본 3
1.1 자연어처리란 3
1.2 자연어처리의 응용 분야 6
1.3 자연어처리는 왜 어려운가? 8
1.4 자연어처리 연구의 패러다임 11
1.5 딥러닝을 사용하는 자연어처리 연구 16
참고문헌 19
CHAPTER 2 자연어 처리를 위한 수학 21
2.1 확률의 기초 21
2.2 MLE와 MAP 28
2.3 정보이론과 엔트로피 31
참고문헌 36
CHAPTER 3 언어학의 기본 원리 37
3.1 언어학 개요 37
3.2 음절, 형태소, 어절 그리고 품사 37
3.3 구구조와 의존구조 45
3.4 의미론과 화용론 47
참고문헌 49
CHAPTER 4 텍스트의 전처리 51
4.1 비정형데이터 내의 오류 51
4.2 텍스트 문서의 변환 53
4.3 띄어쓰기 교정 방법 55
4.4 철자 및 맞춤법 교정 방법 59
참고문헌 62
CHAPTER 5 어휘 분석(Lexical Analysis) 63
5.1 형태소 분석(Morphological Analysis) 63
5.2 품사 태깅 69
5.3 형태소 분석 및 품사 태깅기의 활용 분야 82
참고문헌 83
CHAPTER 6 구문 분석 85
6.1 구문 분석 개요 85
6.2 구구조 구문 분석 88
6.3 의존 구문 분석 95
6.4 구문 분석 접근 방법의 장단점 99
6.5 더 알아보기 100
참고문헌 103
CHAPTER 7 의미 분석 105
7.1 단어와 단어 의미 중의성 105
7.2 단어 의미 중의성 해소 기법(Word Sense Disambiguation) 106
7.3 의미역(Semantic Role) 분석 112
7.4 의미표현 114
참고문헌 118



PART
II







다양한 자연어 처리 응용







CHAPTER 8 개체명 인식 (Named Entity Recognition) 123
8.1 개체명 인식(Named Entity Recognition) 소개 123
8.2 개체명 인식이란 124
8.3 NER 시스템 126
8.4 NER 평가 척도 133
8.5 BIO Tagging Scheme 134
8.6 학습 코퍼스 134
참고문헌 138
CHAPTER 9 언어 모델(Language Model) 139
9.1 언어 모델이란? 139
9.2 통계적 언어 모델(Statistical Language Model, SLM) 140
9.3 일반화(Generalization) 150
9.4 모델 평가와 퍼플렉서티(Perplexity) 153
CHAPTER 10 정보추출(Information Extraction) 157
10.1 정보추출이란 157
10.2 정보추출의 학습 방법 158
10.3 정보추출의 접근법 160
10.4 정보추출의 하위 작업 165
참고문헌 168
CHAPTER 11 Question & Answering 171
11.1 질의응답(Question & Answering)이란 171
11.2 정보검색 기반 질의응답(IR based question answering) 172
참고문헌 182
CHAPTER 12 기계 번역 (Machine Translation) 185
12.1 기계 번역이란 185
12.1 규칙기반 기계번역 188
12.3 통계 기반 기계 번역 190
12.4 인공신경망 기계번역 197
12.5 기계번역 하위분야 소개 198
참고문헌 200
CHAPTER 13 자연어 생성 203
13.1 배경 203
13.2 지도 학습 기반 자연어 생성 205
13.3 강화 학습 기반 자연어 생성 209
13.4 적대 학습 기반 자연어 생성 211
13.5 자연어 생성에서의 디코딩 전략 214
13.6 자연어 생성 응용 분야 218
참고문헌 220
CHAPTER 14 대화 시스템(Dialog System) 223
14.1 대화 시스템 개론 223
14.2 대화시스템의 분류 232
14.3 대화 데이터 234
참고문헌 241
CHAPTER 15 문서 요약(Text Summarization) 243
15.1 문서 요약이란 243
15.2 문서 요약 방법 244
15.3 접근법 252
15.4 평가 256
참고문헌 258
CHAPTER 16 텍스트 분류(Text Categorization) 261
16.1 텍스트 분류란? 261
16.2 다양한 텍스트 분류 예시 264
16.3 텍스트 분류 프로세스 267
16.4 텍스트 분류, 군집화 알고리즘 270
16.5 Scikit-Learn 274
16.6 데이터 시각화 275
참고문헌 276



PART
III







딥러닝기반의 자연어처리







CHAPTER 17 딥러닝의 소개 281
17.1 딥러닝 개요 281
17.2 딥러닝 모델의 핵심: 자동적인 계층적 자질 표상 습득 283
17.3 딥러닝 시스템 구축을 위한 고려사항: 데이터와 모델 구조 285
17.4 딥러닝 모델의 뼈대: 퍼셉트론 287
17.5 비선형 결정 경계와 활성 함수 289
17.6 딥러닝 모델의 학습 290
참고문헌 291
CHAPTER 18 단어 임베딩 295
18.1 단어 임베딩이란? 295
18.2 분포 가설과 언어 모델링 297
18.3 Word2vec 이전의 단어 임베딩 297
18.4 단어 단위 임베딩: Word2vec, GloVe, FastText 299
18.5 ELMo 이후의 임베딩: 문장 단위 임베딩 301
18.6 한국어의 단어 임베딩과 입력의 최소 단위 305
18.7 최신 연구 동향 306
참고문헌 307
CHAPTER 19 CNN(Convolutional Neural Networks) 311
19.1 CNN 개념 311
19.2 CNN을 이용한 문장 분류 316
참고문헌 321
CHAPTER 20 순환 신경망(Recurrent Neural Networks, RNN) 323
20.1 기본 순환 신경망(Vanilla Recurrent Neural Networks) 323
20.2 응용 순환 신경망(Advanced Recurrent Neural Networks) 327
20.3 순환 신경망 기반 자연어 생성 333
참고문헌 335
CHAPTER 21 딥러닝 기반 한국어 형태소 분석과 품사 태깅 337
21.1 형태소 분석 품사 태깅 개요 337
21.2 KoNLPy 형태소 분석 도구 소개[21-1] 338
21.3 딥러닝 이전의 형태소 분석, 품사 태깅 소개 338
21.4 딥러닝 기반 형태소 분석, 품사 태깅 소개 339
참고문헌 343
CHAPTER 22 딥러닝 기반 한국어 단어의미 분석 345
22.1 한국어 의미역 분석 345
22.2 심층학습 기반 단어 중의성 해소 349
참고문헌 354
CHAPTER 23 딥러닝 기반의 자연어처리 355
23.1 딥러닝 기반 NER 355
23.2 단어 단위의 구조 355
23.3 문자 단위의 구조 356
23.4 단어 + 문자 단위의 구조 357
참고문헌 358
CHAPTER 24 딥러닝 기반의 질의응답(Question Answering) 359
24.1 딥러닝 기반 질의응답(Question Answering) 359
24.2 딥러닝 기반 질의응답(Question Answering) 모델 361
24.3 시각 질의응답(Visual Question Answering, VQA) 364
24.3 상식 질의응답(Commonsense QA) 368
참고문헌 372
CHAPTER 25 딥러닝 기반 기계번역 375
25.1 딥러닝 기반 기계번역의 흐름 375
25.2 Sequence to Sequence 구조와 인코더 디코더 377
25.3 RNN기반 Neural Machine Translation 379
25.4 Attention 기반 NMT 380
25.5 Transformer기반 NMT 383
25.6 Cross Lingual 언어모델 기반 NMT 392
25.7 딥러닝 기반 기계번역의 하위분야 396
참고문헌 402
CHAPTER 26 딥러닝 기반 문장생성 405
26.1 순환 신경망 언어 모델을 이용한 문장 생성 406
26.2 셀프 어텐션 기반 언어 모델을 이용한 문장 생성 409
참고문헌 413
CHAPTER 27 딥러닝 기반 문서 요약(Text Summarization) 415
27.1 딥러닝 기반 문서 요약의 동향 415
27.2 딥러닝 기반의 추상 요약 416
참고문헌 426
CHAPTER 28 딥러닝 기반 대화 시스템 427
28.1 목적 지향 대화 시스템(Task-Oriented Dialogue System) 428
28.2 비목적 지향 대화 시스템(챗봇 시스템) 433
참고문헌 439
CHAPTER 29 딥러닝을 이용한 SNS(Social Network Service) 분석 441
29.1 SNS 441
29.2 SNS 분석 443
29.3 SNS 분석 기법 444
참고문헌 451
CHAPTER 30 응용: 이미지 캡션 생성 453
30.1 이미지 캡션 생성 개요 453
30.2 이미지 캡션 생성 과정 456
30.3 이미지 캡션 생성 모델: Show & Tell 459
30.4 훈련에 따른 성능변화 463
30.4 결론 466
참고문헌 466
CHAPTER 31 가짜뉴스 탐지 467
31.1 가짜뉴스 탐지 개요 467
31.2 가짜뉴스 정의 468
31.3 딥러닝 기반의 가짜뉴스 탐지 발전 방향 469
31.4 딥러닝 기반 가짜뉴스 탐지 향후 과제 475
참고문헌 477
CHAPTER 32 PLM, Transformer 479
32.1 트랜스포머(Transformer) 479
32.2 인코더-디코더 480
32.3 BERT 482
32.4 Transformer 기반 언어모델 485
32.5 사전 학습 모델 488
참고문헌 498
실습 499

chapter 1
자연어처리의 기본

1.1 자연어처리란
자연어(natural language)란 사람들이 일상생활에서 자연스럽게 사용하는 언어를 말한다. 사람들 사이에서 이루어지는 대화는 일반적으로 자연어가 사용된다. 하지만 컴퓨터와 사람 사이에서는 대부분 그렇지 않다. 사람이 컴퓨터와 의사소통을 하기 위해서는 문장을 조금 정제하거나, 요구하는 형식에 맞춰 작성해주어야 한다. 웹 사이트에 새로 회원가입 할 때 생년월일을 년, 월, 일 순으로 나누어 각 칸에 입력하는 것이나, 검색할 때 문장을 그대로 입력하지 않고 주요 단어만 따로 입력하는 것 등이 컴퓨터가 요구하는 형식에 맞추어 입력하는 방법이라고 할 수 있다. 컴퓨터에게 원하는 특정한 일을 시키고 싶을 때에는 컴퓨터에게 정해진 프로그래밍 언어로 작성해주어야 한다. 일상에서 사용하는 자연어는 약간의 문법적 오류가 있어도 상대방이 그 의미를 파악할 수 있으나 프로그램을 작성할 때 언어의 규칙이 정확히 지켜지지 않으면 오류가 발생하거나 원치 않는 결과를 받게 된다.
자연어처리(natural language processing, NLP)는 컴퓨터가 자연어를 이해하거나 생성할 수 있도록 하는 학문 분야라 할 수 있다. [그림 1-1]은 자연어처리의 두 가지 핵심 과정인 자연어 이해와 자연어 생성을 나타낸 것이다. 이는 모든 활용분야를 아울러 설명한 것으로 자연어처리를 통해 하고자 하는 일에 따라 더욱 세부적인 정의를 내릴 수 있다. 언어학에서의 자연어처리란 전산을 통한 언어학 연구를 의미한다. 이 경우 생성은 크게 중요하지 않다. 컴퓨터공학이나 IT 산업에서는 언어 자체에 대한 연구보다 컴퓨터에게 자연어를 이해시키고 다시 사용자에게 이해 가능한 언어를 생성해내는 일련의 과정을 모두 자연어 처리라고 한다. 이 책은 자연어처리를 컴퓨터공학적인 측면에서 바라보고, 실제로 코드를 작성하여 이를 처리하는데 중점을 두고 있다. 따라서 그에 맞추어 자연어처리의 정의를 좁혀보면 자연어처리는 자연어를 입·출력으로 사용하는 컴퓨터(프로그램)에 사용되는 처리 과정이라고 할 수 있다.

입력과 출력으로 사용한다고 했으므로 이 둘을 각각 따로 생각해볼 수 있다. 먼저 자연어를 입력으로 받아들이는 경우다. 이 과정은 자연어이해(natural language understanding, NLU)라고 한다. 자연어를 입력으로 직접 받아들여서, 입력된 내용의 의미를 파악하거나 목적에 맞게 내부적으로 처리해내는 과정을 말한다.
자연어를 입력으로 하여 다른 프로그램을 호출하는 시스템이 NLU를 사용하는 가장 대표적인 예시이다. “카메라 실행해”라는 입력에 대해서 동작인 ‘다른 프로그램 호출’과 대상인 ‘카메라’라는 두 가지 핵심 요소를 파악한 후, 이것을 바탕으로 실제로 카메라 프로그램을 호출해 실행시킨다면 입력으로 들어온 자연어를 잘 처리해냈다고 할 수 있다.
반대로 자연어를 출력으로 하는 경우는 자연어 생성(natural laugnage generation; NLG)라고 한다. 주어진 수치 등의 정보나 사용자에게 전달할 의미 표현(semantic representation)을 입력받아 문장을 생성하여 사용자에게 자연어로 응답을 돌려주기에, ‘생성(generation)’이라는 표현을 사용한다. [그림 1-2]는 날씨 앱이 NLG를 사용하는 예시 중 하나이다. 날씨에 관한 정보를 알려줄 때, 지난 주와 이번 주의 온도를 숫자로만 보여줄 수도 있지만, ‘차츰 서늘해지는’ 등과 같은 표현으로 날씨의 변화를 자연스러운 문장으로 표현해주고, 저녁 시간임을 감안하여 ‘귀갓길’이라는 표현을 덧붙이는 등 일기예보를 그대로 적어놓은 듯 한 문장을 표시하고 있다. 사용자는 이를 통해 더 자연스럽고 직관적으로 내용을 이해할 수 있다.


그림 1-2
자연어로 날씨를 설명하는 스마트폰의 날씨 앱
NLU와 NLG는 입출력이 서로 다르기 때문에 서로 처리 방법이 다르다. 따라서 일반적으로 연구도 부분에 대해 따로 진행되는 경우가 많다. 하지만 실제로 제품에 적용될 때에는 많은 경우 이 둘이 동시에 쓰인다. 인공지능 스피커에 대고 “에어컨을 23도로 맞춰줘”라고 하면, 에어컨이 켜짐과 동시에 “에어컨을 설정한 온도로 켜 두었어요.”와 같은 응답을 돌려준다. 이 사례에서 사용자가 말하는 내용을 인식해 ‘에어컨’에 ‘23도’라는 정보를 전송하는 부분이 NLU, 사용자에게 음성으로 결과를 안내하는 부분이 NLG라고 할 수 있다.
1.2 자연어처리의 응용 분야
자연어처리를 활용하는 방안 중 하나는 실제 발화된 내역을 통계적으로 조사하는 등 언어학적인 연구에 사용하는 것이다. 이렇게 컴퓨팅 기술(전산)을 적극적으로 활용하는 언어학의 하위 분야를 전산언어학(computational linguistics) 라고 한다. 주로 언어의 규칙 등을 찾기 위해 규칙 기반 혹은 통계 기반의 언어를 많이 진행하지만, 최근의 연구 트렌드에 맞추어 딥러닝을 도입하기도 한다.
구글 번역기를 중심으로 최근 네이버 등도 뛰어들고 있는 기계 번역이 우리에게 친숙하면서도 가장 유명한 자연어 처리의 응용 분야이다. 특히 기계 번역은 (13, 28장에서 더 자세히 다룬다) 자연어처리 기법의 발전사를 모두 겪은 산증인이기에 더욱 의미가 깊다.
최근 포털 사이트의 뉴스에서 도입한 기사 요약 서비스도 자연어처리가 사용된 서비스이다. 기사 원문을 입력으로 넣으면, 이 중에서 중요한 문장을 짧게 선별하여 출력하는 시스템이다. 이 요약 시스템은 전체 문서 안에서 어느 것이 가장 중요한 문장인지, 문장을 어떤 순서로 배열해야 하는지 등을 종합적으로 판단해야 한다.
음성인식(Speech-To-Text, STT) 역시 자연어처리에서 중요한 분야 중 하나이다. 왜냐하면 음성 인식에서 동음이의어를 처리할 때 자연어처리를 필요로 하기 때문이다. 음성 인식 시스템이 [무리]라는 발음을 인식한 상황이라고 하자. 이 한 단어만으로는 “무리”일 지, “물이”일 지 알 수 없다. 뒤의 단어가 “하지 말고.”라면 “무리”이고, “맛있다”라면 “물이”라고 이해하는 것이 타당하다. 이같이 동음이의어를 구분하기 위해서는 입력된 문장 전체를 바탕으로 후보 단어들 중 문장과 연관성이 높은 단어를 선별해야 한다. 여러 경우가 발생할 수 있는 동음이의어에 대해 문장 전체를 파악하고 올바른 단어를 선택하는 과정이 바로 입력을 자연어로 하는 NLU의 한 예이다. 간혹 음성 인식 기술을 자연어처리 기술로 오해하는 경우가 있다. 음성인식은 사용자의 발화를 텍스트로 변환하는 기술이다. 발화된 내용이 어떤 의미인지를 파악하기 위해서는 자연어이해 기술이 수반이 되어야 한다. 음성인식 기술만으로는 사용자의 의미를 파악할 수 없음을 이해하길 바란다.
위에서 언급한 거의 모든 기술의 최정점에 있는 것이 바로 최근 IT 기업들이 앞다투어 개발 중인 개인비서 서비스들이다. 애플 사의 Siri, 구글 사의 Google Assistant, 삼성 사의 빅스비, 아마존 사의 Alexa, 마이크로소프트 사의 Cortana 등이 해당한다. 기본적으로 이들은 음성으로 원하는 명령을 말하면 그것을 문자로 받아 적어 화면에 표시하고, 해당하는 기능을 실행시킨다. [그림 1-3]이 바로 그 예로, “에펠탑의 높이는 얼마야”라는 사용자의 음성을 인식하고 문장으로 표시한 뒤, 그에 대한 대답을 인터넷에서 검색하여 보여주고 있다. 이들의 공통적인 특징은 입력과 출력으로 사용하는 자연어가 음성이라는 점과 다양한 기능들을 처리할 수 있다는 점이다. 특정 시각에 알람을 맞춰달라고 하면 그 시간에 알람 소리를 울려주는 기능 실행부터 번역이나 환율 조사 등 다양한 작업을 음성으로 할 수 있다. 특히 최근에는 “에펠탑의 높이는 얼마야”와 같이 공개된 정보에 대해 질문하면 이에 대한 대답을 인터넷을 통해 스스로 검색하여 대답해주기도 한다. 이 사례는 대부분 음성인식이라는 받아쓰기 정도로 사람들에게 인식되어 있지만 문자화 한 문장을 통해 사용자가 의도하는 내용을 파악하고, 알맞는 기능을 실행시키거나 정보를 찾아 응답으로 재조합해내는 자연어처리의 최정점에 있는 서비스라고 할 수 있다.