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 19
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2017-12 발표 · 피인용 9,637회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
‘RESEARCH PAPER’ 슬롯은 후속 연구 설계에 유용한 고인용 논문을 선정하는데, 2017년 발표 이후 9,637회 인용된 점이 높은 활용 가치를 보여준다.
논문 요약
대규모 비지도 코퍼스에서 학습된 연속 단어 표현은 많은 NLP 과제에 활용되지만, 기존 모델은 형태소 정보를 무시한다. 저자들은 스킵그램 모델에 문자 n‑gram을 결합해 단어를 n‑gram들의 합으로 표현하는 방식을 제안한다. 각 n‑gram에 벡터를 할당함으로써 학습 속도가 빠르고, 훈련 데이터에 등장하지 않은 단어도 즉시 표현 가능하도록 한다. 제안 방법은 9개 언어에 대해 단어 유사도·유추 과제에서 기존 방식보다 우수한 성능을 보였다.
후속 연구설계에 활용하기
문자 n‑gram 임베딩을 기존 단어 임베딩 파이프라인에 통합해, 저빈도·신조어 처리 성능을 평가하거나 다언어 모델의 일반화 능력을 비교 연구에 적용할 수 있다.
핵심어
단어 임베딩서브워드n-gram언어 모델
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.