긍정적 사고, 음식의 절제, 규칙적인 운동

일은 이웃과 사회에 대한 봉사다.

내가 하는 일이 사람들과 사회에 도움이 된다면

내 돈을 써가면서라도 해야 할 일인 것이다.

내가 이웃을 돕는 것만큼 그들이 또 나를 돕게 되어있다.

그것이 인생이다.

적게 받고 더 많은 것을 베풀면서 살 수 있다면

그보다 보람 있고 행복한 삶은 없을 것이다.

- 김형석 교수, ‘백년을 살아보니’에서

김교수는 주장합니다.

“내가 지금 지닌 것 모두는 남에게 받은 것이다.

내가 받은 것에 대한 보답으로 사회를 위해 보답하는 것이

바로 나의 일이요, 직업이다.

어찌 정성껏 봉사하지 않을 수 있겠는가?”

...

많은 직장인은 동료보다 더 빛나고 먼저 승진하는 게

성공적인 커리어라고 생각한다.

그러나 가장 일을 잘하는 직장인은

자신의 성공보다 팀의 성공에 최선을 다하는 사람이다.

- 중소기업 투자 전문가 마커스 르모니스

나보다 팀을 먼저 생각하는 사람이 결국 승리하게 됩니다.

그들이 나를 응원하고 밀어주기 때문입니다.

먼저 가는 것이 아닌 올바른 방향으로 가는 것,

혼자 가는 것이 아닌, 더불어 함께 가는 것이

언제나 더 멀리, 그리고 더 빠르게 가는 길입니다.

...

철학자: 있는 그대로의

           '이런 나'를 받아들이는 것.

           그리고 바꿀 수 있는 것은 바꾸는 '용기'를 낸다.

           그것이 자기 수용이야.

청년: 음,그러고 보니 

        전에 커트 보네거트라는 작가가

        이와 비슷한 말을 인용했더라고요.

       "신이여, 바라옵건대 제게 바꾸지 못하는 일을

        받아들이는 차분함과 바꿀 수 있는 일을 바꾸는 용기와 

        그 차이를 늘 구분하는 지혜를 주옵소서"라고요.

- 기시미 이치로의《미움받을 용기》중에서 - 

* 불안하고 급변하는 세상속에서

무언가에 쫓기듯 정신없이 살아갑니다.

때론 허황된 기대와 현실 사이에 좌절도 하고

중심을 잃고 흔들리기도 하지요. 그래도 저에게

차분함과 용기와 지혜만 있다면 이 험한 세상 

잘 헤쳐 나갈 수 있을 것 같아요.

...

구주이배

구하는게 뭐지?

주어진게 뭐지?

이것을 어떻게 이용하지?

배운게 뭐가 있지?

...

• 지엽적 (枝葉的)[지엽쩍]

  [관형사·명사] 본질적이거나 중요하지 아니하고 부차적인. 또는 그런 것.

  유의어 : 말초적

• 지엽적  도움말

  1.본체에서 갈라져 나간 주요하지 않은이란 뜻

비슷한 말로 '말초적'

gensim + word2vec 모델 만들어서 사용하기 

참고 : https://www.lucypark.kr/courses/2015-ba/text-mining.html

#Load data

from konlpy.corpus import kobill

docs_ko = [kobill.open(i).read() for i in kobill.fileids()]

#Tokenize

from konlpy.tag import Twitter; t = Twitter()

pos = lambda d: ['/'.join(p) for p in t.pos(d)]

texts_ko = [pos(doc) for doc in docs_ko]

#Train

from gensim.models import word2vec

wv_model_ko = word2vec.Word2Vec(texts_ko)

wv_model_ko.init_sims(replace=True)

wv_model_ko.save('ko_word2vec.model')    #model create

#Test - 유사도 분석

wv_model_ko.most_similar(pos('정부'))

wv_model_ko.most_similar(pos('초등학교'))

  * 저장된 model 사용하기 : https://radimrehurek.com/gensim/models/word2vec.html

Initialize a model with e.g.:

>>> model = Word2Vec(sentences, size=100, window=5, min_count=5, workers=4)

Persist a model to disk with:

>>> model.save(fname)
>>> model = Word2Vec.load(fname)  # you can continue training with the loaded model!

The word vectors are stored in a KeyedVectors instance in model.wv. This separates the read-only word vector lookup operations in KeyedVectors from the training code in Word2Vec.

>>> model.wv['computer']  # numpy vector of a word
array([-0.00449447, -0.00310097,  0.02421786, ...], dtype=float32)

model 이 잘 불러와졌는지 확인하려면 model의 내용을 보자. 

model.vocab 하며 내용을 볼 수 있다. 

most_similar 에서 vocaburary에 단어가 없다고 에러나오면 내용을 확인 후 다시 검색해보면 된다. 

저장된 vocab이 '국어' 인지, '국어/Noun' 인지 확인 바람요! 

>>>len(model.vocab)

9867

>>>model.vocab 

Code for the word2vec HTTP server running at https://rare-technologies.com/word2vec-tutorial/#bonus_app

*** 대화 형 word2vec 데모 용 전체 HTTP 서버 코드 : 

     https://github.com/RaRe-Technologies/w2v_server_googlenews

...