딥러닝에 대한 공부 겸 연구를 하고있는 컴공과 학부생인데요.
인공지능쪽으로 교류가 아예 없다보니 전문용어도 모르고 그래서 인터넷에서 이론을 찾기가 힘듭니다.

1. 단어를 의미로 분류(Word2Vec)하는게 아닌 발음 내지는 음소로 분류하는 방법에 대한 이론이 있는지 궁금합니다.
예를들면 아메리카노와 어메뤼카노는 기존 의미 분류에서 후자쪽은 인식이 불가능하지만 의미가 아니라 단어 자체의 유사성으로 분류하면 거의 비슷한 벡터로 나오겠죠.
알파벳 한글자씩 숫자로 변환해서 1차원 컨볼루션, 앙상블, 어텐션 등등 여러가지 조합해서 오토인코더 방식으로 훈련해봤는데 정확도가 상당히 낮았습니다.
이 이론이 있다면 인터넷 커뮤니티에서 난무하는 온갖 오타나 슬랭을 번역할수 있을거라 생각됩니다.

2. 이미지나 영상, 사운드, 텍스트 등의 자료나 개념을 일정한 N 크기의 벡터 또는 벡터 시퀸스로 변환한다고 했을때 이러한 벡터들의 유사성에 따라 쿼리가 가능한 매핑 이론이 있는지 궁금합니다.
예를들어 개(Va), 개의 꼬리(Vb), 개의 귀(Vc) 등등의 개념이 이미 벡터화된 상태라고 가정하고 이때 개의 사진을 오토인코더 등으로 벡터화(Vt) 했을때 Vt로 쿼리하면 매핑에 따라 Va, Vb, Vc가 임의로 순서대로 반환되는겁니다.
전문용어를 몰라서 전 이걸 개념매핑이라고 부르고 있기는 한데 이 이론과 Memory Aumented Neural Network를 잘 조합하면 사고가 가능한 신경망을 만들수 있을것 같아서 찾아보거나 고안해보고는 있습니다만 영 마땅히 아이디어가 떠오르지도 않고, 이 단계에서 이미 1~2년은 지난거 같아서 혹시 이론이 나온게 없나 싶어서 여쭤봅니다.