keras가 지원하는 embedding을 어떻게 사용하는지 몰랐다. keras가 제공하는 문서가 embedding 기능을 정확히 설명한다. https://keras.io/layers/embeddings/#embedding weight로 embedding_matrix를 입력하고, input으로 index를 입력하면 index를 vector로 변경한다. 따라서 아래와 같은 순서로 작업해야 한다. 미리 만든 word2vec 파일을 불러온다.전체 vocab 총 양을 embedding_matrix로 설정한다.konlpy로 각 태그를 분리한다.불러온 word2vec 파일에서 해당하는 단어 index를 구하고, 이를 문장으로 만든다.적절한 길이로 padding한다.이를 입력으로 먹인다.…… keras로 키워드 분석(2/5) 계속 읽기
위처3, wild hunt
스팀에서 위처3를 60% 깍은 값으로 구매했다. 도대체 게임 원가는 얼마인지. 아직 처음이라 움직임이 부드럽지 못하다. https://youtu.be/0h7SLVgEcLo https://youtu.be/UChYi0KXzH8
keras로 키워드 분석(1/5)
인공지능으로 자연어 분석을 많이한다. 나도 남 따라 해보기로 했다. 조금씩 배워하므로 코드는 별거 없지만 많은 시간을 쓰고있다. 생각은 이렇다. 나는 설비 태그를 가지고 있다. 사람마다 태그 작성을 다르게 한다. 이렇게 되면 일관성없어 분석하기 어렵다. 이를 표준화? – 적어도 형식에 벗어난 태그를 찾기위해 – 하는 무엇인가 있으면 좋겠다.태그를 준비한다. 한글+영어로 구성된다.간단한 분류기를 구성한다. 처음과 끝 단어를…… keras로 키워드 분석(1/5) 계속 읽기
신들의 시간
isbn: 9788960764323 특이하게 작가가 멕시코 고대 역사를 전공했다. 무슨 바램으로 멕시코까지 갔는지 모르겠으나 대단하다. 거리가 멀어 잉카, 마야, 칠레?? 모두 같은 문명이라 생각되는데 그 발생 위치가 다르다. 황화와 겐지스를 구분하지 못한 경우와 비슷하다. 만약 신대륙 사람이 대부분 살았다면 고대 문명에 이들을 추가했을지도 모르겠다. 잉카, 마야가 고대문명이지만 1500년대 멸망했음은 충격이다. 조선이 일본과 피튀게 싸울 때 아즈텍이…… 신들의 시간 계속 읽기
사진엽서로 떠나는 근대기행
isbn: 9788956387482 지금 엽서를 거의 사용하지 않는다. 어렸을 때 설악산 사진엽서 부모님께 보낸 일을 기억한다. 지금은 없지만 크리스마스 실을 샀던 일을 기억한다. 그 실을 엽서나 편지에 붙여 친구에게 보냈어야 했는데, 나는 책상에 보관하다 버렸다. 한국인이 엽서를 사용하지 않음은 좀 특이하다. 미국 홀마크는 카드를 주로 만드는데, 그 매출이 꽤 된다고 알고있다. 나는 아직도 엽서를 보낸 기억이…… 사진엽서로 떠나는 근대기행 계속 읽기