이번주는 어려웠다.

Gan은 어려워...

이번엔 내 스스로 모델 구조를 감오는 대로 짜봤는데 학습이 되긴해도 fake accuracy가 너무 높게 나왔다. 즉 generator가 제대로 만들질못하고있다는 것인데 모델링을 짜라는 조언들을 봐도 참고를 해봐도 감이 잘 안왔다. 무작정 epochs를 500번 돌려보기도 해봤는데 loss는 낮아지는데 만들어지는 그림들은 퀼리티가 좋지않았다.

Attentional seq2seq / Abstractive 요약

추상적 요약 관련해서도 사실 제대로 이해가 되지않았다... attention 같은 경우는 deep learing for computer vision 강의에서 내가 attention 파트를 자원했기에 공부할 기회가 남아있는것같긴하다.

요약 한후의 정량적 평가 기준에 대해서도 의문이 많이 들었는데 누군가 질문과 답변을 요약해본다.

Q:
[E-11-13] 실제 요약문과 seq2seq를 통하여 생성된 요약문 비교에 사용할만한 정량적인 지표가 있는가?

어떤 지표를 사용하여 두 문장을 비교하였더니 이 정도의 차이가 있었다-라고 하고 싶은데 어떤 것을 쓰면 좋을지 모르겠습니다.

저는 문장 비교라서 단순하게 코사인 유사도를 구해보면 어떨까 생각해 보았지만 의미있는 지표가 되지 못할 것 같습니다.

A1:

문장에 있는 단어를 word2vec으로 변경한 후 각 벡터들을 더해 평균을 내서 각 문장을 하나의 벡터로 만들고 이 벡터들의 유사도를 비교해보시는건 어떨까요?

A2:
Programador | Huffon BlogProgramador | Huffon Blog

예시를 통한 ROUGE 성능 지표의 이해 - Programador | Huffon Blog
본 글은 Northeastern University의 강의 자료 What is ROUGE and how it works for evaluation of summarization tasks?를 번역한 글입니다. 원문으로 읽고자 하시는 분들은 링크를 참조해주세요.