남은 요리 활용 사전 또는 자연어 텍스트 처리를 통한 검색 시스템 구축 > 도서

남은 요리 활용 사전



도서명 : 남은 요리 활용 사전
저자/출판사 : 김미주, 팜파스
쪽수 : 136쪽
출판일 : 2014-10-10
ISBN : 9788998537654
정가 : 13000

프롤로그

파트 원 시킬 땐 몰랐지, 네가 남을 줄
배달편

1. 치킨의 깔끔한 변신
남은 치킨 보관법
1) 치킨으로 깔끔한 입가심하기
치킨월남쌈
2) 귀차니즘에 빠진 당신, 간단한 야매요리가 필요해
치킨또띠아롤
3) 이국적인 매콤한 맛
치킨퀘사디아
4) 빵 하나만 바꿨을 뿐인데!
치킨샌드위치
5) 소문난 그 메뉴의 홈메이드 레시피
치킨마요덮밥
6) 맛과 향을 동시에 잡았다
치킨카레볶음밥
7) 평범하지만 특별한 싱글 레시피
파닭달걀볶음밥
8) 치킨과 우동의 환상적인 만남
치킨데리야끼 볶음우동

2. 난 더 이상 느끼하지 않아! 중국요리
남은 탕수육 보관법
1) 떡볶이에도 취향은 있다
짜장떡볶이
2) 특별한 맛을 즐기는 그대에게
칠리탕수육
3) 느낌 있는 만두 요리
깐풍군만두
4) 한여름 밤의 야식
비빔군만두
5) 볶음밥의 건강한 변신
양배추 볶음밥쌈

3. 족발/보쌈, 다시 새롭게 태어나다
남은 족발 보관법
1) 색다르게 먹는 야식의 왕
족발전
2) 얼얼한 매콤한 맛에 중독되다
족발볶음
3) 한 접시 요리로 다시 태어난 족발
족발냉채
4) 집에서 즐기는 외식 요리
보쌈동파육
5) 속 든든한 한 그릇 요리
보쌈쪽파덮밥


파트 투 명절은 지났지만, 음식은 남고
명절편

1. 처음 느낌 그대로 ? 나물
남은 나물 보관법
1) 식감이 매력적이야!
나물달걀말이
2) 비가 오면 생각나는 부침개의 새로운 레시피
나물부침개
3) 편식과 잠시 이별하는 아이디어 나물 요리
나물 김밥
4) 왠지 건강한 맛, 색다른 쌈밥
나물깻잎쌈밥
5) 우리 제법 잘 어울려요
나물피자

2. 입맛 도는 고소함을 그대로 - 전
남은 전 보관법
1) 홈메이드 수제 미니버거
동그랑땡버거
2) 오늘은 색다르게 먹자
두부전피자
3) 값비싼 고영양 볶음밥
산적볶음밥
4) 투박하지만 매력적인 맛있는 한 그릇
전부대찌개

3. 모양은 그대로, 맛은 새롭게 - 잡채
남은 잡채 보관법
1) 추억의 맛에 색다른 맛 추가하기
잡채달걀말이전
2) 자꾸 손이 가는 매콤한 한끼 식사
매운잡채밥
3) 잡채의 변신은 무죄
잡채그라탕
4) 네 속을 보여줘!
잡채만두

4. 꿀떡꿀떡 맛있는 소리 - 떡
남은 떡 보관법
1) 오랜만에 맛보고 싶은 그때 그 맛
가래떡맛탕
2) 돌돌 말아먹는 간편한 핑거푸드
떡베이컨말이꼬치
3) 입안에서 톡 터지는 달콤한 맛
꿀떡 떡볶이



파트 쓰리 주전부리의 색다른 변신
군것질편

1. 나의 허기를 달래준 오랜 친구 - 김떡순
남은 분식 보관법
1) 식은 김밥 다시 보기
김밥전
2) 김밥, 한 그릇 요리로 다시 태어나다
김밥볶음밥
3) 혼자서도 맛있게 먹는 매운 양념 볶음밥
떡볶이 볶음밥
4) 방금 만든 듯 정성스러운 한 상
순대전 깻잎쌈
5) 순대를 이용한 사소한 레시피
순대볶음

2. 더욱 바삭, 고소하게 - 튀김/어묵
남은 튀김 보관법
1) 치맥만큼 매력적인 홈메이드 안주
고구마치즈프라이
2) 간식을 부탁해!
고구마튀김맛탕
3) 분식집 튀김의 세련된 변신
크림새우튀김
4) 알록달록 분식점의 추억을 담은 레시피
튀김탕수
5) 추운 겨울, 쉼이 되어주는 레시피
어묵우동

3. 눅눅해진 식빵의 부드러운 변신 - 식빵
남은 식빵 보관법
1) 마늘빵이 좋아!
마늘바게트
2) 밥보다 피자
바게트소세지피자
3) 파티에 어울리는 정말 쉬운 핑거푸드
식빵부르스케타
4) 손이 가요, 손이 가
식빵러스크
5) 달콤한 파이 향이 가득한 하루
식빵애플파이
6) 혼자서도 맛있게 먹는 브런치
식빵푸딩




자연어 텍스트 처리를 통한 검색 시스템 구축



도서명 : 자연어 텍스트 처리를 통한 검색 시스템 구축
저자/출판사 : 그랜트 잉거솔 , 토마스 모튼 , 드류 패리스, 에이콘출판
쪽수 : 456쪽
출판일 : 2015-01-02
ISBN : 9788960776500
정가 : 40000

1장. 텍스트 길들이기 시작
1.1 텍스트 길들이기가 중요한 이유
1.2 미리보기: 사실 기반 질의응답 시스템
1.2.1 안녕하세요, 프랑켄슈타인 박사님
1.3 텍스트를 이해하기는 어렵다
1.4 길들여진 텍스트
1.5 텍스트와 지능적인 앱: 검색과 그 너머
1.5.1 검색과 일치
1.5.2 정보 추출
1.5.3 정보 그룹화
1.5.4 지능적인 애플리케이션
1.6 정리
1.7 참고 자료

2장. 텍스트 길들이기 기초
2.1 언어의 기초
2.1.1 단어와 그 범주
2.1.2 구와 절
2.1.3 형태론
2.2 텍스트 프로세싱을 위한 일반적인 도구
2.2.1 문자열 조작 도구
2.2.2 토큰과 토큰 분리
2.2.3 품사 배정
2.2.4 어간 추출
2.2.5 문장 탐지
2.2.6 구문 분석과 문법
2.7.7 시퀀스 모델링
2.3 일반 파일 형식에서 콘텐츠의 전처리와 추출
2.3.1 전처리의 중요성
2.3.2 아파치 티카를 사용한 콘텐츠 추출
2.4 정리
2.5 참고 자료

3장. 검색
3.1 검색과 패싯 사례: 아마존
3.2 검색 개념 개론
3.2.1 콘텐츠로 색인 만들기
3.2.2 사용자 입력
3.2.3 벡터 공간 모델로 문서 순위화
3.2.4 결과 표시
3.3 아파치 솔라 검색 서버 소개
3.3.1 솔라 처음 실행
3.3.2 솔라 개념 이해
3.4 아파치 솔라를 사용한 콘텐츠 색인
3.4.1 XML을 사용한 인덱스
3.4.2 솔라와 아파치 티카를 사용한 콘텐츠 추출과 인덱스 작성
3.5 아파치 솔라로 콘텐츠 검색
3.5.1 솔라 질의 입력 파라미터
3.5.2 추출된 콘텐츠에 대한 패싯
3.6 검색 성능 요소 이해
3.6.1 품질 판단
3.6.2 수량 판단
3.7 검색 성능 개선
3.7.1 하드웨어 개선
3.7.2 분석 개선
3.7.3 질의 성능 개선
3.7.4 대안적인 채점 모델
3.7.5 솔라의 성능 개선을 위한 기법
3.8 검색 대안
3.9 정리
3.10 참고 자료

4장. 유사 문자열 일치
4.1 유사 문자열 일치에 대한 접근 방식
4.1.1 문자 겹침 척도
4.1.2 편집 거리 척도
4.1.3 n그램 편집 거리
4.2 유사 일치 문자열 검색
4.2.1 접두사를 사용한 일치 확인을 솔라로 수행
4.2.2 접두사 일치를 위한 트라이 사용
4.2.3 일치 확인을 위한 n그램 사용
4.3 유사 문자열 일치 애플리케이션 작성
4.3.1 검색에 사전 입력 추가
4.3.2 검색을 위한 질의 철자 검사
4.3.3 레코드 일치 확인
4.4 정리
4.5 참고 자료

5장. 인명, 지명. 사물 식별
5.1 개체명 인식에 대한 접근법
5.1.1 규칙을 사용한 이름 인식
5.1.2 이름 인식에 통계적 분류기 사용
5.2 OpenNLP를 사용한 기본적인 개체 인식
5.2.1 OpenNLP로 이름 찾기
5.2.2 OpenNLP로 식별된 이름 해석
5.2.3 확률 기반 이름 필터링
5.3 OpenNLP를 이용한 심도 있는 개체 식별
5.3.1 OpenNLP로 복수의 개체 유형 인식
5.3.2 후드 아래: OpenNLP가 이름을 식별하는 방법
5.4 OpenNLP의 성능
5.4.1 결과의 품질
5.4.2 실행 시간 성능
5.4.3 OpenNLP의 메모리 사용량
5.5 OpenNLP 개체명 식별을 새 도메인의 요구 사항에 맞추기
5.5.1 모델 훈련 이유와 방법
5.5.2 OpenNLP 모델 훈련
5.5.3 모델링 입력 바꾸기
5.5.4 이름을 모델로 만드는 새로운 방법
5.6 정리
5.7 추가 자료

6장. 텍스트 클러스터링
6.1 구글 뉴스 문서 클러스터링
6.2 클러스터링 기초
6.2.1 클러스터링의 대상인 세 가지 텍스트 유형
6.2.2 클러스터링 알고리즘의 선택
6.2.3 유사도 결정
6.2.4 결과에 라벨 붙이기
6.2.5 클러스터링 결과의 평가 방법
6.3 간단한 클러스터링 애플리케이션 설정
6.4 Carrot2를 사용한 검색 결과 클러스터링
6.4.1 Carrot2 API 사용
6.4.2 Carrot2를 사용한 솔라 검색 결과 클러스터링
6.5 아파치 머하웃을 사용한 문서 컬렉션 클러스터링
6.5.1 클러스터링용 데이터 준비
6.5.2 K 평균 클러스터링
6.6 아파치 머하웃을 사용한 주제 모델링
6.7 클러스터링 성능 분석
6.7.1 자질 선택과 축소
6.7.2 Carrot2 성능과 품질
6.7.3 머하웃 클러스터링 벤치마크
6.8 감사의 말
6.9 정리
6.10 참고 자료

7장. 분류, 커테고리 분류, 태깅
7.1 분류와 카테고리 분류 소개
7.2 분류 과정
7.2.1 분류 체계 선택
7.2.2 텍스트 카테고리 분류를 위한 자질 찾기
7.2.3 훈련 데이터의 중요성
7.2.4 분류기 성능 평가
7.2.5 분류기를 생산 환경에 배치
7.3 아파치 루씬으로 문서 카테고리 분류기 작성
7.3.1 루씬으로 텍스트 카테고리 분류
7.3.2 MoreLikeThis 카테고리 분류기에 사용할 훈련 데이터 준비
7.3.3 MoreLikeThis 분류기 훈련
7.3.4 MoreLikeThis 카테고리 분류기로 문서를 카테고리 분류
7.3.5 MoreLikeThis 카테고리 분류기 테스트
7.3.6 생산 단계에서의 MoreLikeThis
7.4 아파치 머하웃으로 나이브 베이즈 분류기 훈련
7.4.1 나이브 베이즈 분류 방식으로 텍스트를 카테고리 분류
7.4.2 훈련 데이터 준비
7.4.3 테스트 데이터 숨겨두기
7.4.4 분류기 훈련
7.4.5 분류기 테스트
7.4.6 부트스트래핑 프로세스 개선
7.4.7 솔라와 머하웃 베이즈 분류기 통합
7.5 OpenNLP로 문서 카테고리 분류
7.5.1 회귀 모델과 최대 엔트로피 문서 카테고리 분류
7.5.2 최대 엔트로피 문서 카테고리 분류기를 위해 훈련 데이터 준비
7.5.3 최대 엔트로피 문서 카테고리 분류기 훈련
7.5.4 최대 엔트로피 분류기 테스트
7.5.5 생산 시스템에서의 최대 엔트로피 문서 카테고리 분류
7.6 아파치 솔라를 사용하는 태그 추천기 작성
7.6.1 태그 추천을 위한 훈련 데이터 수집
7.6.2 훈련 데이터 준비
7.6.3 솔라 태그 추천기 훈련
7.6.4 추천 태그 생성
7.6.5 태그 추천기 평가
7.7 정리
7.8 참고 자료

8장. 질의응답 시스템 예제 구축
8.1 질의응답 시스템의 기초
8.2 QA 코드 설치와 실행
8.3 표본 질의응답 아키텍처
8.4 질문의 이해와 답변 생성
8.4.1 답변 유형 분류기 훈련
8.4.2 질의를 청크로 분리
8.4.3 답변 유형 계산
8.4.4 질의 생성
8.4.5 후보 패시지 순위화
8.5 시스템 개선을 위한 과정
8.6 정리
8.7 참고 자료

9장. 길들여지지 않는 텍스트: 다음 개척지 탐구
9.1 의미론, 담론, 화용론: 고수준 NLP 탐구
9.1.1 의미론
9.1.2 담화
9.1.3 화용론
9.2 문서와 컬렉션 요약
9.3 관계 추출
9.3.1 접근 방식 개요
9.3.2 평가
9.3.3 관계 추출을 위한 도구
9.4 중요한 콘텐츠와 인물 식별
9.4.1 전반적 중요도와 권위
9.4.2 개인적 중요도
9.4.3 중요성에 대한 자료와 포인터
9.5 정서 분석을 통해 감정 감지
9.5.1 역사와 비평
9.5.2 도구와 데이터 요구
9.5.3 기본적 극성 알고리즘
9.5.4 고급 주제
9.5.5 정서 분석을 위한 오픈소스 라이브러리
9.6 교차 언어 정보 검색
9.7 정리
9.8 참고 자료