블로그
키워드 리서치와 SEO에 대한 실전 가이드
웹 크롤러(Web Crawler)는 어떻게 인터넷을 돌아다닐까?
구글이나 네이버에서 검색을 하면 결과가 순식간에 나타납니다. 그런데 생각해보면 신기한 일입니다. 인터넷에는 매일 수백만 개의 새로운 페이지가 생겨나는데, 검색엔진은 어떻게 이 방대한 웹페이지들을 미리 다 파악하고 있는 걸까요?
문서 군집화(Clustering)란? K-means와 계층적 군집화 비교
수십만 건의 뉴스 기사나 고객 데이터가 있는데, 그 어디에도 '이 기사는 정치, 저 기사는 스포츠'라는 정답 라벨이 붙어 있지 않다면 어떻게 정리해야 할까요? 사람이 일일이 읽고 분류하기엔 시간이 턱없이 부족합니다.
SVM(서포트 벡터 머신)이란? 문서 분류에 쓰이는 이유 쉽게 이해하기
머신러닝으로 스팸 메일을 걸러내거나 리뷰의 긍정·부정을 판단할 때, 결국 컴퓨터가 하는 일은 '이 데이터를 어느 그룹에 넣을 것인가'를 결정하는 것입니다.
k-최근접 이웃(k-NN) 알고리즘 쉽게 이해하기
머신러닝이라고 하면 복잡한 수식과 오랜 학습 시간을 떠올리기 쉽지만, 그중에는 놀랍도록 단순한 직관에서 출발하는 알고리즘도 있습니다. 바로 k-최근접 이웃(k-Nearest Neighbor, k-NN)입니다. 이 알고리즘의 핵심은 단 한 문장으로 요약할 수 있습니다.
나이브 베이즈(Naive Bayes) 분류기로 스팸 메일 걸러내는 원리
하루에도 수십 통씩 쏟아지는 이메일 중에서, 메일 서비스는 어떻게 스팸을 정확히 걸러내 별도의 폴더로 보내는 걸까요? 사람이 일일이 '이런 단어가 들어 있으면 스팸이다'라는 규칙을 정해준 것이 아니라, 실제로는 확률을 계산하는 알고리즘이 그 판단을 대신하고 있습니다.
오타를 자동으로 고쳐주는 원리: 스펠링 교정 알고리즘 쉽게 이해하기
검색창에 '제쥬도 맛집'이라고 오타를 쳐도 검색엔진은 어김없이 '제주도 맛집'에 대한 결과를 보여주고, 하단에는 '혹시 이 검색어를 찾으셨나요?'라는 문구가 나타납니다. 사람이 봐도 눈치채기 어려운 사소한 오타를, 컴퓨터는 어떻게 이렇게 정확하게 알아채는 걸까요?
구글 페이지랭크(PageRank) 알고리즘 완벽 정리: 링크로 순위를 매기는 원리
1990년대 후반, 인터넷에는 이미 여러 검색엔진이 있었지만 검색 결과의 질은 그리 만족스럽지 않았습니다. 그런데 구글이 등장하면서 상황이 달라졌습니다. 구글이 다른 검색엔진과 달랐던 결정적인 이유 중 하나가 바로 페이지랭크(PageRank)라는 알고리즘입니다.
TF-IDF란 무엇인가? 단어 중요도를 계산하는 가장 기본적인 방법
검색창에 '제주도 흑돼지 맛집'이라고 입력하면, 검색엔진은 이 세 단어 중 어떤 단어에 더 무게를 둬야 할지 어떻게 판단할까요? '맛집'이라는 단어는 셀 수 없이 많은 문서에 등장하지만, '흑돼지'라는 단어가 등장하는 문서는 상대적으로 적습니다.
역색인(Inverted Index)이란? 검색엔진이 빠르게 결과를 찾는 원리
검색창에 단어 하나를 입력하면 0.1초도 안 되는 시간에 수십억 개의 문서 중 관련 있는 것들이 화면에 뜹니다. 사람이 도서관에서 책을 한 권씩 넘기며 찾는다면 평생이 걸려도 못 할 일을, 검색엔진은 어떻게 순식간에 해내는 걸까요?