1. 개발 관련
- 토픽별 모델(이하 '개별모델') 1개씩 학습하는 모델로 개발 완료, 공유 완료하였습니다.
- 전체적인 accuracy의 차이는 극적으로 없습니다. 이런 식으로 개발 진행을 했으면 좋겠다고 하셔서 이런 식으로 계속 가야할 것 같습니다만, 사실 개별모델이나 하나의 모델이나 첫 개발이 좀 버벅거리고, 그 뒤로는 데이터만 바꿔서 계속 넣어주면 돼서 어렵진 않을 것 같습니다.
- 이에 대한 연장선으로, 논문 방향성을 여러 개 생각중인데, 그 중 하나가 하나의 버트 모델 vs 여러개의 버트 모델의 text classification 성능 비교 분석입니다 (이걸로 하자는 게 아닙니다!!)
2. 주제 관련
- 주제는 논문 abstract(summary) topic modeling으로 정했습니다.
3. 데이터 관련
- 논문으로 하는만큼 새로운 데이터가 필요할 것 같습니다. 소스는 크롤링을 하시든, 캐글에서 가져오시든 상관 없습니다.
- 반드시 들어가야 할 내용은 1) 어느 학문 분야인지, 2) abstract (없다면 summary), 3) title 정도고, 조금 더 욕심내자면 **4) 출처(url 등)**입니다.
- title을 가져오는 이유는, 혹시나 abstract만 넣었는데 망하면 대참사니까 title까지 넣을 생각도 하고 있습니다.
- 여러분들께서는 2개의 학문을 최대한 많은 데이터를 가져오시면 됩니다.
- 주의하셔야 할 것은, 학문 분야갸 최대한 겹치지 않도록 해주세요.
- 예를 들어, 어느 분께서 biology를 가져오셨다면, medical science는 가져오지 않는다거나, history를 가져오셨다면 historical linguistics는 가져오지 않도록 해 주세요!
- 이에 대한 소통이 필요하기에, 지은님과 소연님께서 올려주셨듯 slack에 본인이 어떤 분야를 가져올 것인지 꼭 말씀해주세요!!
- 크롤링은 **10/30 (금)**에 마감하는 것을 1차 목표로 하겠습니다.
- 본인이 크롤링한 데이터를 대충이라도 쭉 보시고, 혹시 크롤링한 학문 분야와 너무 동떨어져 있거나 다른 분야에 훨씬 더 어울릴 것 같다면 과감하게 제거해 주세요.