차이

문서의 선택한 두 판 사이의 차이를 보여줍니다.

--- 2018_08 [2018/08/20 10:56]
ehmoon
+++ 2018_08 [2021/04/13 06:54]
@@ 줄 1: / 줄 1: @@
-===== 01일 수요일 =====
-[Research]
-논문세미나 준비
-목차를
-. Introduction
-. Content Extraction in HTML Document
-. Measures for Evaluating Content Extraction
-. Framework Design
-.1. Test Packages
-.2. Architecture
-.3. Output Format
-. Performance of Extraction Algorithm
-. Related Work
-. Conclusions and Future Work
-로 잡고, 3. Measures for Evaluating Content Extraction 까지 만듬.
-여기서 발표 자료의 순서를 잡는데 고민이 생김.
-사실 이 논문을 읽은 목적이자 가장 중요한 부분이기도 한데,
-content extraction의 evaluating에서 아무리 precision, recall을 사용한다고 해도
-scoring의 metric을 뭘로 하고 있는지가 매우 중요함.
-이 부분을 먼저 설명할지 나중에 설명할지 고민.
-일단 논문상에 순서로는 나중에 설명하고 있어서 발표자료에도 뒤로 뺌.
-이 부분은 발표자료 다 만들고 나서 다시 생각해봐야할 문제.
-\\
-\\
-\\
-===== 02일 목요일 =====
-휴가
-\\
-\\
-\\
-===== 03일 금요일 =====
-휴가
-\\
-\\
-\\
-===== 06일 월요일 =====
-[Research]
-논문세미나 준비
-. Framework Design 부분 발표자료 만듬.
-이 논문에서 디자인한 프레임 워크가 그림같은건 없고 전부 글로 되어있어서
-직접 설명 자료만드는데 시간이 소요됐음.
-테스트 데이터를 모으는 과정이나 메타데이터 정의하는 부분, 아키텍쳐에서
-proxy server 사용하여 병렬처리하는 부분 등 그림으로 그리는데 살짝 복잡했음.
-내일은 비교 대상으로 사용된 CE 알고리즘 논문들 타고 내려가서 설명자료 만들어야 함.
-\\
-\\
-\\
-===== 07일 화요일 =====
-[Research]
-논문세미나 준비
-. Performance of Extraction Algorithm 부분 survey 함.
-논문에서 제시하고있는 CE 알고리즘은 Crunch, BTE, DSC, LQF로 총 4개.
-BTE나 DSC는 워낙 유명한 논문이라 어느정도 파악이 되는데 Crunch는
-관련 자료가 너무 안나옴. 차라리 이 알고리즘은 주제로 논문이 제대로 하나
-있으면 좋을텐데 약간 프레임워크같은 개념이라 동작 원리에 대해 명쾌하게
-설명하는 문서가 없음.
-그래도 레퍼런스 타고 들어가서 관련 서적 찾음 (50페이지짜리)
-그 외에 BTE, DSC, LQF 관련해서 동작 과정 정리하고 발표자료 만듬.
-\\
-\\
-\\
-===== 08일 수요일 =====
-[Research]
-논문세미나 준비
-. Performance of Extraction Algorithm 부분 발표자료 수정하고
-. Related Work / 7. Conclusions and Future Work 부분 마무리 함
-이 분야에서 related work가 많지 않다보니까 related 라는 단어를 사용하기
-민망할 정도로 비교가 명확하지 않음.
-그래도 논문에서 그렇다고 하니까 발표자료는 만듬.
-conclusion으로는 논문에서 제시하는 내용과 (자신들의 프레임워크가 매우 성공적이라고 함)
-내 견해를 정리함.
-텍스트를 중심으로 비교하기 때문에 이 프레임워크는 이미지가 주요 컨텐츠인 웹페이지를 대상으로는
-올바른 비교결과를 얻지 못함.
-또한 구조적인 정보에 대한 가중치가 너무 없다는 것도 문제점 중에 하나임.
-내가 논문쓸때는 이런 점 잘 기억해놨다가 반영해야겠다는 생각을 함.
-\\
-\\
-\\
-===== 09일 목요일 =====
-[Research]
-논문세미나 준비
-논문세미나 발표자료 완성하고 연습 및 최종 정리
-\\
-\\
-\\
-===== 10일 금요일 =====
-[Study]
-논문세미나가 끝나고 나니까 다시 개발할 의욕이 매우 떨어짐.
-일단 이 상태로는 개발 진행 어려울것 같아서 인공지능 공부하던거 조금 진행.
-지난번 진행한 내용은 텐서플로우 기본 지식과 linear regression의 개념까지 했음.
-이 부분들도 시간이 오래 지나서 가물가물하다보니 다시 복습하고
-다음 강의내용인 multi feature를 사용하기 위한 linear regression 부분 공부함.
-텐서플로에서 feature는 거의 한 가지일 수가 없기 때문에 multi feature를 다루는 방법을 알아야 함.
-이 테크닉은 linear regression 뿐만 아니라 어떤 machine learning 또는 deep learning
-방법을 사용해도 마찬가지임.
-multi feature를 사용하려면 matrix를 사용해야 하고 feature와 output lable의 개수에 따라
-W값의 shape을 정하는 것이 매우 중요함.
-강의에서 제공해주는 예제는 퀴즈와 중간고사 점수를 이용하여 기말고사 점수를 예측하는 내용인데
-여러개의 feature를 사용하니까 신기하게 예측이 됨.
-기 2기때 학부 조교하면서 뽑아낸 학생들 점수로 한번 예측해봐야 겠다는 생각이 듬.
-추가로 data set을 외부 파일로부터 가져오는 방법에 대한 설명도 들음.
-파이썬의 numpy 모듈을 사용하는 내용이였고, 파일이 매우 커서 메모리에 올리지 못할 경우
-사용하는 batch 기능까지 설명을 들음. shuple 기능도 있고 나중에 빅데이터 보유했을때
-응용하면 좋겠다는 생각을 함.
-오늘로 linear regression 부분은 학습 완료했고, 다음 강의 내용은 logistic regression 및
-classification 부분임. 이 부분들도 학부 수업때 많이 듣긴 했었지만 구현해본 경험은 없음.
-이론 지식 뿐만 아니라 텐서플로우로 구현까지 해보면 좋을것 같음.
-다음주부터는 매일 조금씩이라도 꾸준히 진행해야 함.
-\\
-\\
-\\
-===== 13일 월요일 =====
-[Study]
-모두를 위한 머신러닝 lecture 5. logistic regression 과 lecture 6. softmax classification
-공부. 로지스틱 회귀는 binary classification 이라고도 불리며 0 또는 1 2가지의 결과로 labeling
-하고 싶을때 사용되는 machine learning 기법임. 내용은 복잡할것 같지만 의외로 간단함.
-linear regression과 마찬가지로 선형 방정식 y = Wx + b를 세워두고, 이 함수 H(x)를 sigmoid 함수를
-이용하여 0에서 1사이의 값을 얻어낼 수 있도록 모델링하면 끝.
-결과값은 0에서 1사이의 값으로 나타나게 되고 threshold 적절히 설정해 주어 결과만 분류하면
-binary classifier로 사용 가능함.
-softmax classification 같은 경우는 multiple labeling이 가능한 다중 classification 기법.
-sotfmax 라는 확률 기반의 activate 함수를 사용하여 여러개의 label을 기준으로 분류할 수 있음.
-대신 이 함수를 사용하려면 one hot incoding 방식을 사용해야함. 즉, labeling이 한개만 1이고
-나머지는 0인 깨끗한 data로 정제되어 있어야 함.
-텐서플로우에서는 이런 기능 제공해주는 함수들이 무지 많이 존재함.
-[Research]
-얼마 전에 발표했던 논문에 자극을 받아 평가 프레임워크 개발 진행하기로 함.
-논문에서는 텍스트 기반의 비교방식만 사용하고 있지만 나는 면적과 dom 노드 비교 기반의 평가
-프레임워크를 개발해야 함. 정답 set은 생성했고 (약간의 정제 과정이 필요하지만) 정답률을 자동으로
-계산해주는 프로그램 개발해야 함.
-\\
-\\
-\\
-===== 14일 화요일 =====
-[Study]
-모두를 위한 머신러닝 lecture 7. ML의 실용과 몇가지 팁 부분 공부
-이번 챕터는 약간 짬뽕같은 느낌. 정리를 하자면
-(1) running rate
-(2) Overfitting
-(3) Regularization
-먼저 running rate같은 경우는 학습을 할때, 너무 러닝 rate을 너무 크게 잡으면
-overshooting 발생하여 데이터값이 위로 튀어버리고, 너무 작게 잡으면 gradient descent
-가 너무 느리게 돌아가므로 트레이닝이 끝났을때 optimal value를 찾아가지 못함.
-따라서 제대로 cost 값이 측정이 안된다면 running rate 의심해봐야 함.
-다음으로 overfitting 부분은 트레이닝을 많이 시킨다고 다 좋을것 같지만,
-오히려 너무 많은 트레이닝은 트레이닝 데이터에 의존되므로 좋지 못함.
-overfitting을 해결하는 방법으로는 3가지가 있음.
-(1) training data의 양을 늘림
-(2) feature의 개수를 줄임
-(3) regularization
-regularization은 feature 끼리의 분포가 너무 크거나 작을때 cost function을 그려보면
-찌그러져버리는 현상이 생기는데 이때 사용하는 방법.
-모든 feature들의 range를 같은 범주로 정규화 시켜서 평평한 모양의 cost function을 만들어줌.
-lecture는 이정도 진행했고, lab으로는 running rate 오류나는 예제 찍어보고,
-텐서플로에서 제공하는 mnist 데이터 이용하여 image classification 실습해봄.
-\\
-\\
-\\
-===== 15일 수요일 =====
-공휴일
-\\
-\\
-\\
-===== 16일 목요일 =====
-[Study]
-모두를 위한 머신러닝 lecture 8. 딥러닝의 기본 개념 lecture 9. MNL과 Backpropagation
-본격적인 Deep Learning 부분에 접어 듬. 학부 및 석사 수업시간에 배울때보다 훨씬 깊이
-들어가서 이해하는데 시간이 걸렸지만 원론적으로 따라가다보니 이런 내용이었구나 신기함을
-느낌. 요약하자면, 기존의 머신러닝 및 뉴런을 사용한 러닝 기법들은 단층 Layer를 사용했었는데,
-이 방법은 선형 모델을 따르기때문에 XOR같은 비선형 문제는 해결하지 못함.
-그래서 해결책으로 제시된 방법이 다층 Layer를 설계하는 것.
-근데 이 역시도 문제가 있는게, 기존의 단층 Layer 모델에서는 신경망의 가중치를 학습시킬때
-cost function을 minimal 하게 optimization 하는 방향으로 일종의 learning 을 진행해
-나갔었는데 다층 신경망이 되니, 각각의 perceptron에서의 미분 값 (즉, 각각의 perceptron들의
-가중치가 최종 output에 얼마나 영향을 끼치는지의 정도)를 구하는데에는 막대한 계산량이 필요함.
-이유는 각 layer의 노드들끼리 input과 output이 연결되있는 구조 탓에 미분 값을 구하려면
-chain rull에 의해 이전 cost function의 결과 값을 알아야 하기 때문.
-그러나 이 한계를 가능하게 한 이론이 등장했는데, (사실 가능하게 했다기 보다는 약간의 규칙을
-발견했고, 알고보니 생각보다 계산량이 적었다고 표현해야 올바름) 그것이 그 유명한
-Backpropagation 알고리즘. 이름 그대로 각 Layer의 가중치 값들을 역전파 시키면서 갱신해나가는
-방법. 이 방법은 뒤로 돌아올때 이미 계산해 놓은 미분값을 다음 뉴런에서 바로 이용할 수 있으므로
-chain rull의 한계를 교묘하게 넘어갈 수 있음.
-아무튼 이런 이론적인 바탕아래, Deep Learning이 가능해졌고, 비선형 문제들도 학습할 수 있는
-신경망이 구현 가능해짐.
-내일부터는 DNN 관련 코딩 실습해보고 나머지 진도 진행해야 함.
-\\
-\\
-\\
-===== 17일 금요일 =====
-[Study]
-모두를 위한 머신러닝 lecture 9. Backpropagation 실습 lecture 10. DNN Breakthrough
-어제 이론수업듣고 중간에 멈춘 9장 실습 진행. 이 전에는 1 Layer의 뉴런으로 학습하여 문제를
-해결했었고, activation function은 시그모이드로, cost function은 엔트로피로 돌렸었는데
-이 모델이 성능이 좋을것 같지만, XOR 문제를 (비선형적인 문제) 학습하여 돌려보면 accuracy가
-엉망이 됌. 이유는 하나의 뉴런으로는 선형문제를 해결할 수가 없기때문. (물론 요즘에는 커널
-알고리즘이라고 해서 차원을 늘려 위아래로 쪼개는 방법도 나왔다고 하지만 단순히 뉴런을 이용한
-모델에서는 해결할 방법이 없다는 것이 명백히 증명되었음)
-이 문제를 해결하기 위해 뉴런을 하나 더 늘리고 (Layer를 늘리고) W의 input개수와 output개수를
-잘 맞춰서 돌려보니 높은 accuracy 나옴. 그리고 tensorflow 노드들의 값이 변하는 과정을
-찍어보는 방법으로 tensorbord 사용하는 방법도 실습해 봄.
-다음으로는 10장 DNN의 Breakthrough에 대해 강의를 들었는데, 이 내용을 이해하려면
-DNN의 연구적인 흐름을 알아야 함.
-먼저 MIT AI Lab의 창립자였던 Minskey 그리고 Papert가 저서를 통해 현재의 퍼셉트론으로는
-XOR 가 절대 불가능하다라는 것을 수학적으로 증명함. 그뿐아니라 하나의 퍼셉트론이 아닌 MLP
-(Multilayer Perceptron)을 통해서 XOR는 해결될 수 있지만, 각각의 weight와 bias를 학습시킬
-방법이 없다라는 결론에 이르게 됨. 즉 이건 절대 해결할 수 없다고 저술하였고, 많은 사람들이
-이 책을 읽고 공감하게 됨. 그렇게 딥러닝의 빙하기가 약 10년간 이어지다가 딥러닝의 대부
-Geoffrey Hinton이 이 문제를 해결하는 논문을 발표함. 이게 그 유명한 Backpropagation
-알고리즘. activation function을 sigmiod로 사용하고, 중간의 W과 b의 값들이 결과에 미치는
-영향력을 미분으로 계산해냄으로써 모든 뉴런들의 W와 b를 계산해냄. 중요한 부분은 이 과정에서
-앞의 계산 결과를 뒤의 연산에서도 사용하므로 계산량의 부담이 절감된다는 것.
-이후로 큰 선풍을 얻고 많은 연구가 진행되다가 두번째 빙하기가 찾아옴.
-DNN의 길이가 길어지면 Backpropagation연산을 할때 input layer와 가까운 부분의 뉴런들이
-학습이 되지 않는 현상이 발생. 이유는 sigmiod function이 값이 작아질 경우 0에 가까운 값을
-곱해버리게 되니까 앞에서 밀려오던 weight 정보들이 손상되어버리는 것.
-이를 vanishing gradient 문제라 부름.
-그로부터 약 10년 뒤 이 문제를 해결하는 방법으로 Geoffrey Hinton이 유명한 breakthrou 논문을
-발표. 지금까지의 DNN이 제대로 학습되지 않았던 이유를 4가지 꼽으면서 해결책을 제시
-대표적인 예로는 w값들의 초기화 문제와 activation function 사용의 문제를 듬.
-장에서는 이러한 연구 과정을 정리하면서 문제가 됐던 코드를 실행해 봄.
-여기서 tensorflow 에 큰 매력을 느낀게, 최신 논문들에서 제시한 다양한 알고리즘 및
-딥러닝 모델들이 그대로 구현되어있고, 원하는 모듈만 가져다 사용하면 된다는 것.
-DNN 모델 만들어놓고 mnist 데이터로 성능이 향상되는 과정 보면서 매우 흥미로웠음.
-다음주 부터는 딥러닝의 꽃인 CNN과 RNN에 대해 본격적으로 시작해야 함.
-연구가 많이 밀리고있지만, 내 성격상 공부에 탄력을 받았을때 끝장을 보는게 좋겠다는
-생각임. 빨리 끝내고 연구와 함께 개발 진행하면 좋을것 같음.
-\\
-\\
-\\
-===== 20일 월요일 =====
-[Research]
-content extraction의 평가 프레임워크를 만들기 위해서는 수집해놓은 mht 파일의 feature를
-parsing해오는 작업이 필요함. 그래서 구글링을 해보니, 로컬 html 파일을 dom tree로 바꿔주는
-parser는 많이 존재해도 mht를 다이렉트로 파싱해주는 라이브러리는 거의 찾을 수 없음.
-결국 해결책은 일단 mht 파일을 html 파일로 converting을 하고 DOM tree로 파싱을 해야함.
-mht 파일 컨버팅 라이브러리 찾아봐야함.
-만약 feature를 잘 찾아냈다고 해도 비교하는 기준에 따라 성능 평가가 다르게 진행됨.
-일단 가장 먼저 DOM Tree끼리의 유사도를 비교하는 방법을 구현해보기 위해
-DOM tree similarity에 대해 찾아보니 이것 역시 잘 나오지 않음.
-그나마 찾은것은 예전에 눈문세미나 하면서 알게되었던 tree edit distance.
-LCS를 Tree에 응용한 기법인데 두개의 DOM element간에 같다 다르다의 정보를 넘어
-어느정도 같은지를 확률값으로 알 수 있기 때문에 유사도를 측정하기에 좋은 알고리즘임.
-라이브러리가 거의 없는것 같으니 논문 보면서 이 알고리즘 구현해야 할것 같음.

Database Lab

사용자 도구

사이트 도구

차이

문서 도구