Process / pipeline
Commonsense Reasoning in NLP
사람이 '그는 떠나기 전에 우산을 집어 들었다'라고 읽을 때, 말하지 않아도 비가 오고 있다고 즉시 추론합니다. 이러한 종류의 배경 지식 추론은 인간에게는 사소하지만 기계에게는 어렵습니다. NLP에서의 상식 추론은 이러한 도약을 할 수 있는 시스템, 즉 ConceptNet이나 ATOMIC과 같은 구조화된 지식 기반에 의존하거나, 대규모 사전 훈련된 언어 모델이 흡수한 암묵적 지식에 의존하여 쓰여진 것과 의미하는 것 사이의 간극을 메우는 시스템을 연구하고 구축하는 것입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
이 페이지 인용 방법
ScholarGate. (2026, June 1). Commonsense Reasoning in NLP. ScholarGate. https://scholargate.app/ko/text-mining/commonsense-reasoning-nlp
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- BERT 임베딩텍스트 마이닝↔ 비교
- 텍스트로부터 지식 그래프 구축텍스트 마이닝↔ 비교
- 기계 독해 (Machine Reading Comprehension, MRC)텍스트 마이닝↔ 비교
- 질의응답(QA)텍스트 마이닝↔ 비교
- 검색 증강 생성 (RAG)텍스트 마이닝↔ 비교
- 의미역 결정 (SRL)텍스트 마이닝↔ 비교