Kakao Enterprise AI Research
Kakao Enterprise AI Research는 카카오엔터프라이즈의 AI 연구 및 개발 성과를 한데 모아서 볼 수 있는 플랫폼입니다.
콘텐츠 퍼블리싱 스택
Custom Jekyll Plugin 사용을 위해 /docs 디렉토리에 로컬 빌드 후 GitHub Pages에서 퍼블리싱하고 있습니다.
콘텐츠 작업 환경 구성
다양한 방법으로 환경 구성이 가능합니다. 아래는 추천 방법입니다.
Repo 클론
git clone https://github.com/kakaoenterprise/kakaoenterprise.github.io.git
Docker 설치
로컬 build & serve
cd kakaoenterprise.github.io
./serve.sh
브라우저에서 http://localhost:4000 접속해 결과를 확인합니다.
콘텐츠 작성
논문(papers)
papers/_posts로 이동합니다.- 새 마크다운 파일을 생성합니다. 게시 흐름을 볼 수 있도록 이름은
yyyy-mm-dd-{식별 가능한 이름}.md로 합니다.
- 본문 작성 가이드에 따라 Front Matter를 작성합니다.
- 본문을 작성합니다. 이미지나 주석 삽입이 필요한 경우 본문 작성 가이드에 따릅니다.
- 로컬 build & serve 상태에서 브라우저를 새로고침해 추가 또는 수정된 내용을 확인합니다.
딥다이브(deepdive)
deepdive/_posts로 이동합니다.- 이후는 논문(papers)와 동일합니다.
콘텐츠 게시
콘텐츠를 게시할 준비가 되었다면, 다음 명령으로 /docs 디렉토리에 로컬 빌드합니다.
./build.sh
빌드 결과를 commit하고 origin/master에 push하면 https://kakaoenterprise.github.io 에서 결과를 확인할 수 있습니다.
git add .
git commit -m "{커밋 메시지}"
git push -u origin master
Repo Settings에서 Pages의 Source 위치가 master branch의 /docs로 설정되어 있어야 합니다.
push 후 사이트 갱신까지 몇 분 정도 걸릴 수 있습니다.
본문 작성 가이드
Front Matter 작성
자세히 보기
콘텐츠의 속성 정보를 YAML 형식에 따라 작성합니다.
| 이름 | 필수 | 설명 | 비고 |
| - | - | - | - |
| `layout` | O | 레이아웃 종류 | 논문(papers): `post`, 딥다이브(deepdive): `post-deepdive` |
| `use-katex` | X | 본문에서 `KaTeX` 사용 여부 | `true`, `false`(기본값) |
| `research-area` | O | 연구 분야 | (NLP, COMPUTER VISION, SPEECH/AUDIO) |
| `title` | O | 콘텐츠 타이틀 | |
| `slug` | O | 콘텐츠가 게시 될 경로 | 다른 콘텐츠의 `slug`와 중복될 수 없음. |
| `description` | O | 콘텐츠 한 줄 요약 | |
| `published-date` | O | 학회 시작일 또는 ArXiv 업로드 날짜 | |
| `publisher` | O | 학회 또는 저널 이름 | |
| `publisher-fullname` | O | 학회, 저널, 또는 워크샵 풀네임 | |
| `authors` | O | 저자 및 소속 이름 | `저자명`:`(논문에 기재된)소속`의 리스트로 기재. 카카오 공동체 소속은 크루 이름, 그 외 소속은 한글 실명 |
| `paper` | X | 논문 링크 | |
| `code` | X | GitHub Repo 링크 | |
| `tag` | X | 관련 키워드 | 리스트로 기재. |
**예시**
```yaml
---
layout: post
use-katex: true
research-area: COMPUTER VISION
title: "A Plug-in Method for Representation Factorization in Connectionist Models"
slug: ieee2020-fden
description: "딥러닝 모델에서 추출한 임베딩 벡터를 독립 요인으로 분해하는 기법 ‘FDEN’ 제안"
published-date: 2021-02-10
publisher: IEEE Transactions on Neural Networks and Learning Systems
authors:
- 윤재석:고려대학교
- joshua:카카오엔터프라이즈
- 석흥일:고려대학교
paper: https://arxiv.org/pdf/1905.11088.pdf
code: https://github.com/wltjr1007/Factors-Decomposer-Entangler-Network
tag:
- disentangled representation
- factorial representation
---
```
이미지 삽입
자세히 보기
1. `assets/img/{작성 중인 마크다운 파일 이름}` 디렉토리를 생성합니다.
2. 생성된 디렉토리 안에 이미지를 `001.jpg`, `002.jpg`, ...의 이름으로 위치시킵니다.
3. 콘텐츠 본문에서 이미지 삽입을 원하는 위치에 다음과 같이 기술합니다.
`{% include image.html name="{이미지 파일명}" width="{이미지 너비}" align="{좌우정렬 위치}" %}`
**예시**
```liquid
{% include image.html name="002.png" width="70%" align="center" %}
```
주석 삽입
자세히 보기
1. 콘텐츠 본문에서 주석 삽입을 원하는 위치에 `[^{주석번호}]` 형식으로 마킹합니다.
2. 본문에서 원하는 위치에 (문단 바로 아래 또는 본문 최하단) 주석번호 별 설명을 작성합니다. `[^1]: 시스템 설계자가 미리...`
3. 본문 최하단에 다음과 같이 주석 영역을 만듭니다.
```markdown
-----
### Footnotes
```
License
This software is licensed under the Apache 2 license, quoted below.
Copyright 2021 Kakao Enterprise Corp. http://www.kakaoenterprise.com
Licensed under the Apache License, Version 2.0 (the "License"); you may not use this project except in compliance with the License. You may obtain a copy of the License at http://www.apache.org/licenses/LICENSE-2.0.
Unless required by applicable law or agreed to in writing, software distributed under the License is distributed on an "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. See the License for the specific language governing permissions and limitations under the License.
Contact
ai-research@kakaoenterprise.com