예시 답변 1
약 90초
솔직한 경험 기반 접근
NLP 관련 프로젝트 경험은 수업에서 뉴스 기사를 주제별로 분류하는 모델을 만든 것입니다. 전처리로 형태소 분석을 적용하고, TF-IDF 벡터화 후 로지스틱 회귀로 분류했습니다. BERT 계열 모델을 써보려 했지만 GPU 환경이 없어서 경량 모델로 먼저 기준을 잡고 시작했습니다. 결과로 8개 카테고리 분류에서 정확도 81%를 달성했고, 오분류가 많았던 자리는 경제·사회 카테고리처럼 어휘가 겹치는 자리였습니다. 그 경험에서 모델 성능은 어휘 수준이 아니라 의미 자리를 얼마나 잘 분리하는가에 달려 있다는 걸 배웠습니다. 더 복잡한 모델보다 데이터 자리를 먼저 정리하는 것이 분류 성능에 더 크게 닿았습니다.
이 결의 특징
복잡한 모델보다 데이터 자리를 먼저 정리한 결이 성능에 더 크게 닿은 흔적이 있습니다. 어휘 겹침이 오분류 원인임을 짚은 결이 보입니다.
이 결이 통하는 자리
모델을 고도화하기 전에 데이터 품질을 먼저 봐야 하는 자리에서, 의미 분리 기준을 먼저 잡을 때 통합니다.