BOOKSEEK READING GUIDE
자연어 처리 입문 책 추천: 한국어 텍스트에서 모델 활용까지
자연어 처리의 출발점을 한국어 문자열과 분류 실습, 트랜스포머의 작업별 활용으로 나누어 비교합니다. 파이썬 경험과 만들고 싶은 결과에 맞춰 두 책의 학습 범위를 살펴보세요.
문장을 모델에 넣기 전에 어떤 자료인지 살펴봅니다
자연어 처리를 처음 공부한다면 문장을 어떻게 다루고 어떤 결과를 얻으려는지부터 나누어 보세요. 제목의 주제를 분류하는 일과 긴 문서를 요약하는 일은 다른 작업입니다. 필요한 자료와 평가 기준도 달라질 수 있으므로 모델의 이름만 보고 첫 책을 고르기보다 현재 할 수 있는 실습을 먼저 생각하는 편이 좋습니다.
여기서는 한국어 텍스트 분석의 기초에서 출발하는 책과 트랜스포머 모델의 활용으로 넓히는 책을 비교합니다. 두 권은 준비 수준이 같지 않습니다. 파이썬 문자열 처리부터 익히고 싶은지, 이미 기본 분석을 해 봤고 모델의 작업 범위를 넓히려는지에 따라 출발점을 고를 수 있습니다.
문자열과 한국어 자료부터 다루고 싶다면
트랜스포머로 작업의 범위를 넓히려면
트랜스포머를 활용한 자연어 처리는 허깅페이스 도구를 이용한 분류와 개체명 인식, 생성과 요약, 질문 답변을 다룹니다. 파이썬과 머신러닝의 기초를 알고 모델의 활용과 평가로 넘어가려는 독자에게 비교할 수 있습니다. 프로그래밍을 처음 시작하는 책은 아니며, 텍스트 분석의 기본을 익힌 다음 읽을 범위로 보는 편이 좋습니다.
관심 있는 작업 하나를 골라 입력과 모델, 평가가 어떤 순서로 연결되는지 정리해 보세요. 전체 점수가 나왔더라도 실제 오류 사례를 읽고 어떤 조건에서 실패하는지 살펴볼 필요가 있습니다. 모델을 바꿀 때에도 같은 자료와 기준으로 비교하는지 확인해 보세요. 여러 작업을 넓게 실행하는 것보다 작은 결과를 설명할 수 있는지가 학습의 기준이 될 수 있습니다.
자료의 분리와 결과 해석은 도구가 대신 정하지 않습니다
실습에서 학습에 사용한 자료와 결과를 확인할 자료가 어떻게 나뉘는지 살펴보세요. 모델이 이미 접한 문장을 잘 처리하는 것과 새로운 입력을 다루는 것은 다른 질문입니다. 초보 단계에서도 어떤 자료로 무엇을 확인했는지 기록하면 결과를 과장해서 해석하는 일을 줄일 수 있습니다.
또한 자연스러운 문장이 나오는 것과 원문을 정확하게 반영하는 것은 같지 않습니다. 분류와 요약, 생성은 확인할 항목이 다르므로 작업을 정한 뒤 평가할 조건을 적어 보세요. 간단한 공개 자료로 시작하고 실제 개인의 대화나 비공개 문서를 이용하는 경우에는 권한과 정보 처리 기준을 먼저 확인해야 합니다.
설치 오류와 개념의 어려움을 나누어 확인하세요
두 책은 각각 2023년과 2022년의 인쇄본입니다. 라이브러리와 모델의 접근 방식, 실행 환경은 현재와 다를 수 있으므로 실습 전 공식 자료를 대조하는 편이 좋습니다. 코드의 의미를 몰라서 막힌 것인지 환경이 달라진 것인지 구분하면 공부할 부분을 찾기 쉬워집니다.
기초 문자열과 자료 준비가 어렵다면 첫 책부터, 기본 분류 경험이 있고 모델 활용을 넓히고 싶다면 두 번째 책의 관련 작업부터 살펴보세요. 최신 모델을 모두 따라가는 목표보다 하나의 텍스트 작업에서 입력과 처리, 평가를 설명하는 목표로 시작해도 좋습니다.
모두의 한국어 텍스트 분석 with 파이썬은 문자열과 라이브러리, 단어 가방 모형과 TF-IDF, 한국어 제목 분류를 연결합니다. 입력 문장이 분석 자료로 바뀌는 과정부터 살펴보고 싶은 독자에게 맞는 범위입니다. 자연어 처리의 큰 이론을 한꺼번에 읽기보다 작은 한국어 자료를 직접 다루는 실습으로 출발하려는 경우에 비교할 수 있습니다.
전처리를 하기 전과 후의 문장을 나란히 놓고 무엇이 사라졌는지 읽어 보세요. 기호나 숫자를 없애는 일이 언제나 적절한 것은 아닐 수 있습니다. 분류 결과에서는 틀린 사례를 직접 읽으며 어떤 입력이 어려웠는지 질문할 수 있습니다. 단어의 표현과 결과를 연결해 설명하는 연습으로 활용하면 모델 이름을 외우는 공부와 구분할 수 있습니다.