중요한 용어와 특징을 뽑아내는 것
knowledge가 중요한 용어와 특징임
1000번을 했다를 뽑아내는 거 labeling
왜 했을까 1000번을?: feature extraction
참회해서: semantic analysis
knoledge extraction: 의미있는 거를 뽑아내서 labeling
Knowledge Extraction(지식 추출)은 구조화된 자료에서 지식을 생성하는 것을 의미한다.
구조화된(관계형 데이터베이스, XML) 및 구조화되지 않은(텍스트, 문서, 이미지) 소스에서 지식을 생성하는 것이다. 결과로 나온 지식은 기계가 읽을 수 있고 기계가 해석할 수 있는 형식이어야 하며 추론을 용이하게 하는 방식으로 지식을 나타내야 한다. 정보 추출(NLP) 및 ETL(데이터 웨어하우스)과 방법론적으로 유사하지만 추출 결과가 구조화된 정보의 생성이나 관계형 스키마로의 변환을 넘어선다는 것이 주요 기준이다. 기존 형식 지식의 재사용(식별자 또는 온톨로지 재사용) 또는 소스 데이터를 기반으로 하는 스키마 생성이 필요하다.
https://ko.wikipedia.org/wiki/지식_추출 2023.05.21 13:29
바드:
지식 추출은 자연어 문장으로부터 컴퓨터가 이해할 수 있는 지식 형태의 정보를 추출하는 작업으로, 지식베이스를 생성 및 확장하고 이를 이용해 질의 응답, 대화 에이전트 등 다양한 응용 분야에 활용됩니다.
지식 추출은 정보 추출(IE)의 한 유형으로, 비정형 데이터에서 구조화된 정보를 추출하는 작업입니다. IE와 달리 지식 추출은 추출된 정보를 컴퓨터가 이해할 수 있는 지식 형태로 변환하는 데 중점을 둡니다.
지식 추출은 자연어 처리(NLP)의 한 분야로, 컴퓨터가 인간이 작성한 텍스트를 이해하고 분석할 수 있도록 하는 기술입니다. NLP는 기계 번역, 음성 인식 및 텍스트 요약을 포함한 다양한 응용 분야에 사용됩니다.
지식 추출은 복잡한 작업이며 다양한 기술이 사용됩니다. 가장 일반적인 기술 중 일부는 다음과 같습니다.