자연어처리
정보관리기술사 제123회 4교시 29번 문항으로, 과목은 AI/신기술입니다.
원문 문제
정보관리기술사 제123회 29번. 자연어처리
- 가. NER(Named Entity Recognition)과 Word Embedding
- 나. BERT와 GPT-3의 비교
핵심 키워드
- NER
- Word Embedding
- BERT
- GPT-3
- 임베딩 벡터
- 개체명 태깅
- 언어 표현
고득점 가이드 — 1. 개요
자연어처리는 텍스트에서 의미를 추출·생성·이해하는 기술 영역으로, 대규모 언어 모델의 확산과 함께 산업 전반에 빠르게 확산되고 있다. 텍스트를 수치 벡터로 표현하는 기법과 텍스트 내 의미 단위를 식별·분류하는 기법이 함께 활용되며, 사전학습 언어 모델 영역에서는 양방향 문맥 이해 방식 (BERT) 과 자기회귀 생성 방식 (GPT-3) 이 공존하며 서로 다른 강점을 보인다. 본 답안에서는 두 축의 차이를 비교하여 자연어처리 파이프라인 설계 시사점을 제시한다.
출제 이력
- NER기출 1문항
- Word Embedding기출 1문항
- BERT기출 1문항
- GPT-3기출 1문항
- 임베딩 벡터기출 1문항
- 개체명 태깅기출 1문항
- 언어 표현기출 1문항
다른 회차에서 같은 키워드가 나온 문항이 아직 없어요.