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 23
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2017-12 발표 · 피인용 9,639회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
RESEARCH PAPER 슬롯은 후속 연구 설계에 활용도가 높은 논문을 선정하며, 9,639회 인용·동년 상위 1%라는 높은 영향력으로 연구 기반이 견고함을 보여준다.
논문 요약
본 연구는 기존 skip‑gram 모델에 하위단어(문자 n‑gram) 정보를 결합해 각 단어를 n‑gram 벡터들의 합으로 표현한다. 이 방식은 대규모 코퍼스에서도 빠르게 학습이 가능하며, 훈련 데이터에 없던 단어에 대해서도 벡터를 생성한다. 9개 언어에 걸친 단어 유사도 및 유추 과제에서 기존 방법을 능가하는 성능을 기록하였다.
후속 연구설계에 활용하기
하위단어 기반 임베딩을 변수(예: n‑gram 길이)와 성능 지표(예: OOV 커버율, 유사도 점수)로 설정해 새로운 언어 혹은 도메인에 적용하는 실험 설계에 활용할 수 있다.
핵심어
단어 벡터하위단어캐릭터 n‑그램언어 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.