Head vs breakz

컴퓨터과학, 인공지능과 언어학이 합쳐진 분야 컴퓨터과학 + 인공지능 + 언어학 = 자연어처리 자연어 처리의 어려움 언어,상황,환경,지각 지식의 학습 및 표현의 복잡함 언어 데이터의 특성 불연속적인 심볼의 계열 계열 길이가 샘플에 따라 다름 계층적,재귀적인 구조를 지님 Count-based methods SVD,HAL predictive methods NPLM, word2vec

2차원 좌표에 (10,8)의 좌표가 있다. 이 좌표를 1차원으로 만들기 위해서는 x값이나 y값을 선택해야한다. 하지만 둘 중 하나의 값을 선택하게 될 경우 수 많은 오차가 발생한다.x값을 선택시 y값이 사라짐, y값을 선택시 x값이 사라짐. 이러한 문제를 해결하기 위해, 원점을 이동시킨다. 이동된 원점을 중심으로 분포된 좌표에 2개의 축을 생성하고 bias가 작은 축은 버린다. 그리고 나머지 축을 사용하여 좌표에 새로운 좌표(값)를 지정해 준다. 이때의 값은 원래의 값이 아닌, 새로 생성된 축의 값이다. 비지도 학습에서 차원 축소는 noise 데이터를 제거하기 위해 전처리 단계에서 사용한다. 그리고 차원 축소를 관련 있는 정보를 대부분 유지하면서 더 작은 차원의 부분 공간으로 데이터를 압축한다.

사용자 entities 만들기 Entities - Create entity entitiy name 지정 후 - value 값 추가 Create intents 제목 지정 Training phrases 학습시키거나, 나올 수 있는 문장 입력 단어에 entity 적용 Action and parameters parameters 값을 만들고 value 값 지정 가능 training phrases에서 적용한 entity 값 Is list 확인을 통해 여러개의 entity 값을 list 형태로 받을 수 있다 Responses Training phrases에 대한 대답 $ 를 통해 entity 값 호출 시나리오 생성 호출 (여기요) -대답 주문(짜장면 이요) - 대답 확인 (많이 주세요) - 대답 호출 (여기요) - ..

Google dialogflow 가입 https://dialogflow.com/ sign up for free - google sign in Create agent 1 agent = 1 chatbot agent name Default language Create default welcome intent 인사말 부분 default fallback intent 이해하지 못한 경우 출력되는 부분 Create intent 새로운 intent 생성 실행 시키는 화면 response, intent,action,parameter integrations web demo 사용 -https://bot.dialogflow.com/headbreakz 개인 주소값 가능 line 도 있으나, 사전 준비해야하는 점이 있어서 web..