스노의 머신러닝 스터디 정리

필요 패키지를 다운로드합니다.

데이터 처리부

데이터 및 타겟을 인코더 및 디코더 합니다.

모델구동기로 만들었던 모델을 불러옵니다.

답변 생성 함수를 만듭니다.

입력 문장 처리(토큰화)함수를 만듭니다.

그 후, 원하시는 스토리로 게임을 제작하시면 됩니다.

텍스트 창을 깨끗하게 정리하는 함수 제작

주머니 제작 및 주머니 확인 함수 제작

프롤로그 함수

2번방

게임 구동

플레이어가 '주변을 살피다'라고 적으면,

'주변','살피'로 인식되어 rawdata에 있는 데이터들을 검색하여, 같은 토큰으로 인식하는 '주변을 산핀다'의 답변을 불러옵니다. '주변을 살핀다' 의 답변은 0001이며, 답변과 같은 숫자의 이야기를 불러오는 식으로 진행하며, 중복과 랜덤하게 불러오기, 이미지 출력등을 활용하여 플레이어에게 몰입감을 더 줄 수 있게합니다.

한국어 자연어 처리를 위해 KoNLPy를 설치하였습니다.

설치방법 (https://konlpy-ko.readthedocs.io/ko/v0.4.3/)

그 후, raw_data에서 파일을 가져와 데이터셋에 맞추어 질문과 답변을 추출합니다.

raw 데이터

추출된 질문 데이터

그 후, 문장을 토크나이징 및 벡터화 하여 문자열을 정수 인덱스로 변환 시킵니다.

답변 또한 토큰화를 시킵니다.

함수형 AIP를 통하여 모델을 생성합니다.

IN(Padding된 질문, 답변) target( 학습된 target 값) 학습을 한 후, 모델을 저장합니다.

모델 객체를 생성하여 입력데이터로써 레이어를 받은 상태에서 LSTM을 통해 얻은 hiddlen Layer와 Cell Layer를 받습니다. 그 후, 모델을 저장합니다.

전체 프로그램 코드는 차후 github에 올리겠습니다.

세부 내용은 같은 카테고리의 글들을 확인해주세요.

미니 프로젝트3 - 자연어 처리 또는 얼굴 인식을 활용한 프로그램 제작

제작 날짜 : 9월 17일 ~ 9월 24일

인원 : 5명

주제 선정 : 자연어 처리를 이용하여 게임 만들어보기

주제 선정 이유

- 챗봇을 응용하여 자연어 처리를 이용

- 대사를 플레이어가 직접 작성하므로 몰입감과 자유도 증가

- 스토리를 줌으로써 플레이어의 선택에 대한 폭을 줄임

프로젝트 명 : 챗봇을 응용한 텍스트 기반 방탈출 게임

문제점 : 플레이어가 생각할 수 있는 모든 경우의 수를 고려해야 함.

해결방법 : 방이라는 장소로 인해 플레이어가 생각할 수 있는 경우의 수를 줄임.

              많은 테스터(다른 조원, 지인 등)들에게 베타테스트 시켜서 확인

맡았던 역할

- raw데이터 처리부

- 게임 전체 스토리 구상 (2人)

- 게임 챕터2 제작(총 5챕터)

- 1,2챕터 그림 디자인

프로젝트 파일 구성

- 모델생성기

- 게임구동기

- data file

    - 이미지 폴더

        - 게임에 사용되는 그림(.jpg, .png)

    - raw 데이터 폴더

        - raw 데이터(.yml)

플레이어가 '주변을 살피다'라고 적으면,

'주변','살피'로 인식되어 rawdata에 있는 데이터들을 검색하여, 같은 토큰으로 인식하는 '주변을 산핀다'의 답변을 불러옵니다. 자세한 것은 차후 github에 올릴 것이며, 블로그에서 게임구동기를 확인하시면 아실 수 있으실겁니다.