윤자이 기술블로그

이번 포스팅에는 Dialogflow가 자연어 처리를 하는 방식을 이해해보며 자연어 처리의 성능을 올려보도록 하겠습니다. Dialogflow는 내부적으로 들어온 발화를 분석하여 각각의 Intent마다 score를 매겨서 가장 일치하는 Intent에 매핑하는 로직을 가지고 있습니다. 하지만 Dialogflow 공식 document에는 자연어 학습을 시키는 방법에 대해서만 설명이 되어있고 10개 이상의 다양한 형태의 발화를 학습시키라는 가이드라인을 제시해줄 뿐 구체적으로 어떤 방식으로 자연어 학습을 진행하는지와 학습 처리 방식에 대해서는 설명하고 있지 않습니다. 따라서 이번 포스팅에서는 몇 가지 예시의 intent를 학습시킨 후 각각의 상황에 맞게 발화를 입력하여 어떤 intent에 높은 score를 주는지 ..

이번에는 이전 포스팅에서 언급한 Intent, Entity, Context를 이용하여 Dialogflow를 이용하여서 챗봇을 만들어보도록 하겠다. Intents 첫번째로 Intent의 새로운 의도를 만들고 훈련시켜보도록 하겠다. Dialogflow는 Intent를 통해서 사용자가 말하는 것에 대한 의도를 파악한다. 예를 들어, "당신의 이름은 무엇입니까?", "이름이 있습니까?" 또는 "이름"만 물어볼 수도 있다. 이러한 각 표현은 고유하지만 동일한 의도를 갖는다. 오른쪽 상단에 CREATE INTENT 버튼을 눌러 INTENT를 생성한다. INTENT NAME을 'name'으로 입력하고, Training phrases에서 다음과 같은 텍스트를 입력한다. ※ 의도일치의 정확성을 올리기 위해서는 최소한 1..

NLP 란? NLP (Natural Language Processing, 자연어 처리)는 텍스트에서 의미있는 정보를 분석, 추출하고 이해하는 일련의 기술 집합이다. 우리가 익히 사용하고 있는 IOS의 siri, Android bixby나 챗봇과 같은 것들이 nlp에 해당된다. 우리 생활에 밀접한 연관성을 띄고 차세대 기술로 뜨고 있는 machine learning 카테고리 중 하나로써 현재 많은 기업에서 투자하고 개발하고 있는 분야이다. 그중 이번 posting에서 소개할 플랫폼은 Google의 Dialogflow 플랫폼이다. 지금은 구글에 계신 조대협님이 meet up에서 "스스로 만드는 것보다 남이 만든걸 잘 쓰는 게 최고다!"와 같은 말씀을 남기신 것처럼 본인이 R&D 영역에 뜻이 있는 것이 아니라..