CLIENT

SERVER

ML SERVER

TRAININGMODEL

DATABASE(Datasets)

“ CNN을이용한빠른학습과 BiLSTM을이용한정확한예측기대가능＂

거기 중국집 배달 되나요?INPUT

WordEmbedding

CNN

BiLSTM

명사:음식점OUTPUT

ENCODER

DECODER

명사:행위

TAG 정의 세부사항

MN 메뉴 음식메뉴로완제품을의미한다. 반찬을포함한다.

IN 재료 완제품이아닌상태의식재료를의미한다. 소스를포함한다.

DR 음료 커피, 콜라등액체류의식음료를의미한다.

CN 수량 물건에대한수량을의미한다.

SI 사이즈 음식및물건에대한사이즈를의미한다. 액체의경우, 리터단위, 메뉴의경우대/중/소등을포함한다.

PR 가격 물건의가격을의미한다.

PM 결제수단 현금, 카드등결제수단을의미한다.

PC 인원수 사람의수를의미한다.

PX 식기 숟가락, 젓가락등식기를의미한다.

DA 날짜 숫자형태의날짜, 혹은오늘/내일등을포함한다.

TI 시간 숫자형태의시간, 오전/오후/저녁등을포함한다.

LO 장소 장소를의미한다. 시/군/도단위와화장실등작은단위의장소를모두포함한다.

파일명 자질 설명

vocab 형태소 non-static word2vec, static word2vec (mecab 사용, gensim으로 word2vec)

char_vocab 음절단위 character cnn

pos_vocab POS 형태소에따른품사. mecab 사용

gazette 사전정보 사전에처리한형태소와, 그에따른 Tag 쌍

lex_dict 형태소와그에따른 Tag gazette을 vocabulary object로변환

Cnn+Bilstm을 Seq2Seq 모델에맞게변경, 개체명인식 Decoder와의도분석 Decoder를하나의공통된 Encoder로연결

[개체명인식] 현재제공된전처리데이터 8376문장중가공된 188문장을제외한나머지문장가공및학습데이터추가후성능향상

최적의 Batch Size와 Learning Rate을찾고성능향상에주력

가장성능이좋은모델로웹사이트구축

감 사 합 니 다