|
데이터의 유용성이 제한된다.
5) 텍스트 데이터
텍스트 데이터란 특정 구조를 갖추지 못한 텍스트 형태의 데이터나 형체를 지칭한다. 여기에는 디지털화된 또는 디지털화가 가능한 모든 텍스트 문서들, 즉 책, 신문, 잡지, 정기간행물, 이메일,
|
|
|
텍스트 정보의 압축
텍스트 정보는 정의된 문자 집합으로부터 선택된 문자열로 표현된다
텍스트와 관련된 압축 알고리즘은 손실이 없어야 한다 따라서 일반적으로 엔트로피 코딩(entrophy coding)
텍스트에 사용중인 통계적 인코딩 방법 두
|
|
|
)의 데이터
Ⅴ. SGML(기술적범용마크업언어)의 표준화
Ⅵ. SGML(기술적범용마크업언어)의 응용분야
Ⅶ. SGML(기술적범용마크업언어)와 XML(텍스트기반포맷)
Ⅷ. SGML(기술적범용마크업언어)와 MARC(기계가독목록법)
Ⅸ. 결론
참고문헌
|
|
|
}else if(temp == 3){
me->status = 0;
}
printf(\"me->status is %d\\n\",me->status);
if(write(s,(struct friends*)me,sizeof(struct friends)) < 0){
puts(\"Error : error on socket\");
}
printf(\"send message!\\n\");
if(strstr(buf,EXIT_STR) != NULL){
puts(\"Good bye\");
close(s);
exit(0);
}
}e
|
|
|
10
Y
N
N
5
종료시간
텍스트
10
Y
N
N
6
강의실
텍스트
10
Y
N
N
7
요일
텍스트
10
Y
N
N
8
마감여부
텍스트
10
Y
N
N
9
강좌과목명
텍스트
10
Y
N
N
FK
2.5 강좌세부분류
No.
필드명
데이터형식
길이
필수입력
빈문자열
인덱스
키
1
강좌분류번호
텍스트
10
Y
N
Y(중
|
|
 |
제 1장 서론
1.1 연구배경
전 세계에서 1년간 생성된 디지털 정보의 양은 2011년에는 1.8제타바이트(ZB)였으며, 2012년에는 2.8제타바이트였다. 2012년에 생성된 데이터 2.8제타바이트는 전 세계 해변에 있는 모래알의 수인 7억 50만조의 약 4배
|
|
|
Data Layer는 XML 형식으로 되어 있어 대용량 데이터를 처리하기에는 XML구조상 메타태그(Meta tag)용량이 많은 걸림돌이 되고 있다. 이러한 메타태그(Meta tag)때문에 원본 데이터 보다 3~5배정도 데이터의 크기가 증가 된다. 또한 텍스트 기반의 XML 데
|
|
 |
해졌습니다.
● 연구 목적
본 연구의 목적은 소셜 미디어 데이터를 분석하여 여론 및 트렌드를 예측할 수 있는 모델을 개발하는 것입니다. 구체적으로,
- 소셜 미디어에서 생성되는 텍스트 데이터를 분석하여 여론을 추출하는 방법을 연구한
|
|
 |
연어 처리 분야에서는 텍스트 데이터를 기반으로 감성 분석, 챗봇 개발, 추천 시스템 등을 구축한 경험이 있습니다. 예를 들어, 한 금융 기업에서 고객 서비스 자동화 프로젝트에 참여하여, 고객들의 이메일 데이터를 분석하고 그에 맞는 자동
|
|
 |
수 있는 기회였으며, 특히 텍스트 데이터 처리와 신경망 모델에 대한 실무 경험을 넓혔습니다.
이 외에도, 분석 도구로는 Python과 R, TensorFlow, Keras 등을 사용하여 모델을 개발하고, Scikit-learn과 Pandas로 데이터 전처리 및 분석을 수행한 경험이 있
|
|
 |
텍스트 분석은 BERT 기반 감성분석, 토픽모델링, 워드 임베딩(word2vec) 등 다양한 접근법을 혼합할 계획인 것입니다.
4) 사회적 해석 및 정책 제안 단계입니다. 이 단계는 단순한 예측 정확도만을 목표로 하지 않고, 데이터 결과를 사회적으로 어
|
|
 |
데이터의 집합체라고 생각하지 않습니다. 데이터라는 것은 모으는 것 이상으로 이를 어떤 관점을 가지고 분석하는가가 중요합니다. 만약 제대로 된 결과를 도출해내지 못한다면 그 데이터들은 아무런 가치가 없는 텍스트에 지나지 않습니다.
|
|
메뉴펼치기
