순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Piotr Bojanowski, Édouard Grave, Armand Joulin 외 · Transactions of the Association for Computational Linguistics · 2017년 · 조회 34
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2017-12 발표 · 피인용 9,604회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
RESEARCH 슬롯: 2017년 발표 이후 9,604회 인용으로 분야 상위 1%에 해당, 후속 연구 설계에 활용도가 매우 높다.
논문 요약
기존의 skip‑gram 기반 단어 임베딩은 형태학적 정보를 무시해 어휘가 큰 언어와 희귀 단어를 제대로 표현하지 못한다는 한계를 지적한다. 저자는 각 문자 n‑gram에 벡터를 할당하고, 단어를 이들 n‑gram 벡터의 합으로 표현하는 방식을 제안한다. 이 방법은 대규모 코퍼스에서도 빠르게 학습할 수 있으며, 훈련 데이터에 등장하지 않은 단어에 대해서도 임베딩을 생성한다. 9개 언어에 대해 유사도 및 유추 과제에서 기존 모델보다 우수한 성능을 보였다.
후속 연구설계에 활용하기
다국어 모델이나 희귀 단어 처리가 필요한 downstream 작업에서 서브워드 n‑gram 벡터를 통합해 OOV 문제를 완화하고, 실험 설계에 형태학적 변수를 포함시킬 수 있다.
핵심어
서브워드단어 임베딩스킵그램어휘 희소성
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.