1부 텍스트 마이닝 기초

1. 텍스트 마이닝 기초

1. 텍스트 마이닝의 정의
2. 텍스트 마이닝 패러다임의 변화
3. 텍스트 마이닝에 필요한 지식과 도구
4. 텍스트 마이닝의 주요 적용분야
5. 이 책의 실습 환경과 사용 소프트웨어

2. 텍스트 전처리

1. 텍스트 전처리의 개념
2. 토큰화
3. 정규화
4. 품사 태깅

3. 그래프와 워드 클라우드

1. 단어 빈도 그래프
2. 워드 클라우드로 내용을 한눈에 보기
3. 한국어 문서에 대한 그래프와 워드 클라우드

2부 BOW 기반의 텍스트 마이닝

4. 카운트 기반의 문서 표현

1. 카운트 기반 문서 표현의 개념
2. BOW 기반의 카운드 벡터 생성
3. 사이킷런으로 카운트 벡터 생성
4. 한국어 텍스트의 카운트 벡터 변환
5. 카운트 벡터의 활용
6. TF-IDF로 성능을 높여보자

5. BOW 기반의 문서 분류

1. 20 뉴스 그룹 데이터 준비 및 특성 추출
2. 머신러닝과 문서 분류 과정에 대한 이해
3. 나이브 베이즈 분류기를 이용한 문서 분류
4. 로지스틱 회귀분석을 이용한 문서 분류
5. 결정트리 등을 이용한 기타 문서 분류 방법
6. 성능을 높이는 방법
7. 카운트 기반의 문제점과 N-gram을 이용한 보완
8. 한국어 문서의 분류

6. 차원 축소

1. 차원의 저주와 차원 축소의 이유
2. PCA를 이용한 차원 축소
3. LSA를 이용한 차원 축소와 의미 파악
4. tSNE를 이용한 시각화와 차원축소의 효과

7. 토픽 모델링으로 주제 찾기

1. 토픽 모델링과 LDA의 이해
2. 사이킷런을 이용한 토픽 모델링
3. Gensim을 이용한 토픽 모델링
4. 토픽 트렌드로 시간에 따른 주제의 변화 알아내기
5. 동적 토픽 모델링

8. 감성 분석

1. 감성분석의 이해
2. 감성 사전을 이용한 영화 리뷰 감성 분석
3. 학습을 통한 머신러닝 기반의 감성 분석

9. 인공 신경망과 딥러닝의 이해

1. 인공신경망의 이해
2. 딥러닝의 이해

3부 텍스트 마이닝을 위한 딥러닝 기법

10. RNN - 딥러닝을 이용한 문서 분류

1. 왜 RNN일까?
2. 워드 임베딩의 이해
3. RNN을 이용한 문서 분류 - NLTK 영화 리뷰 감성분석
4. LSTM, Bi-LSTM과 GRU를 이용한 성능 개선

11. Word2Vec. ELMo, Doc2Vec의 이해

1. Word2Vec - 대표적인 워드 임베딩 기법
2. ELMo - 문맥에 따른 단어 의미의 구분
3. Doc2Vec - 문맥을 고려한 문서 임베딩

12. CNN - 이미지 분류를 응용한 문서 분류

1. CNN의 등장과 작동 원리
2. CNN을 이용한 문서 분류

13. 어텐션(Attention)과 트랜스포머

1. Seq2seq : 번역에서 시작한 딥러닝 기법
2. 어텐션을 이용한 성능의 향상
3. 설프 어텐션과 트랜스포머

14. BERT의 이해와 간단한 활용

1. 왜 언어 모델이 중요한가?
2. 사전학습 언어모델의 이론적 이해
3. BERT의 구조
4. 언어모델을 이용한 사전학습과 미세조정학습
5. 사전학습된 BERT 모형의 직접 사용방법
6. 자동 클래스를 이용한 토크나이저와 모형의 사용

15. BERT 사전 학습 모형에 대한 미세조정학습

1. BERT 학습을 위한 전처리
2. 트랜스포머의 트레이너를 이용한 미세조정학습
3. 파이토치를 이용한 미세조정학습

16. 한국어 문서에 대한 BERT 활용

1. 다중 언어 BERT 사전학습 모형의 미세조정학습
2. KoBERT 사전학습 모형에 대한 파이토치 미세조정학습

17. 트랜스포머 변형 모형의 현황

1. 트랜스포머 변형 모형의 다양한 토크나이저
2. GPT 기반 트랜스포머 변형 모형
3. BERT 기반 트랜스포머 변형 모형
4. 인코더와 디코더를 모두 사용하는 트랜스포머 변형 모형
5. 국내 트랜스포머 변형 모형 현황

18. 트랜스포머 모형을 이용한 문서 요약

1. 문서 요약의 이해
2. 파이프라인을 이용한 문서 요약
3. T5 모형과 자동 클래스를 이용한 몬서 요약
4. T5 모형과 트레이너를 이용한 미세조정학습
5. 한글 문서 요약

19. 트랜스포머 모형을 이용한 질의 응답

1. 질의 응답 시스템의 이해
2. 파이프라인을 이용한 질의 응답
3. 자동 클래스를 이용한 질의 응답
4. 트레이너를 이용한 질의 응답 미세조정학습
5. 한글 질의 응답

• 책 홈페이지
• 예제 파일