2022-08-17 정기 회의

월~수까지 공부하기(전처리, EDA, 모델링 등등) → 수~일까지 각자 파트 나눠서 해보고 일요일에 성능 함께 검증하고 픽하게, 어떻게 코드 짰는지도 보기
분류, 토픽 모델링을 둘 다 한다고 했을 때 모두가 두 태스크를 모두 참여할 것인지, 아니면 팀을 나눠서 분류, 토픽을 각각 수행할 것인지
- 목적과 효율성에 따라서 달라짐
- 모델은 머신러닝 모델로 (딥러닝은 난이도상 안 될 것 같음)
⇒ 분류, 토픽 모델링 팀 나눠서 진행. 머신러닝 모델로 가는 방향으로! (기본은 머신러닝으로 하고, 시간 남으면 추가적으로 다른 기법들 활용)
전처리 → EDA → 모델링 (분류, 토픽) & 성능 측정 & 산출물 정리 → 자료 만들기 & 발표

⇒ 괜춘!
작성자: 김보겸 & 민경원

이전 회의에서 나왔던 이야기의 연장선인데, NLP에서 분류 task를 하는 모델은 굉장히 많이 있습니다.
고전적인 방법인 BoW, 이를 기반으로 한 Tf-idf가 있고, 단어들간의 유사성을 딥러닝으로 학습하는 Word2Vec(Skip n-gram, CBOW, Negative sampling), 마지막으로 순환계 딥러닝 모델(RNN, LSTM)을 활용하는 방법이 있습니다. (Bert도 있지만 논외니 제하겠습니다.)
추가로 제가 전일 올려놓았던 "Weight similiarity"를 통해 분류 task를 조금 더 효율적으로 처리한다는 논문을 참고하는 방법도 있을 듯 합니다.
시각화 팀과 코딩 팀을 어찌 구성해야할 지, 코딩팀의 구성 인원에 따라 실제 구현에 옮길 모델의 개수도 금일 미팅에서 정하는게 좋을 듯 합니다. (언어 처리 방법에 대해 공부를 했다는 가정 하에 순환계 모델 뺀 앞의 내용들은 알고 있다는 가정입니다.)
작성자: 성재혁