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 21
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2017-12 발표 · 피인용 9,645회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
RESEARCH PAPER 슬롯에 선정된 이유는 9,645회의 피인용과 분야 평균 대비 높은 인용 영향력으로, 후속 연구에 활용도가 매우 높기 때문이다.
논문 요약
본 연구는 단어를 문자 n‑그램의 합으로 표현하는 새로운 skip‑gram 기반 방법을 제안한다. 각 n‑그램에 벡터를 할당해 형태소 정보를 반영함으로써 어휘가 큰 언어와 희귀 단어에 대한 표현 능력을 향상시킨다. 대규모 코퍼스에서 빠르게 학습할 수 있으며, 훈련 데이터에 없던 단어에도 벡터를 생성한다. 9개 언어에 대한 유사도·유추 과제에서 기존 모델 대비 우수한 성능을 보였다.
후속 연구설계에 활용하기
다국어 NLP 실험에서 서브워드 임베딩을 적용해 n‑그램 크기·임베딩 차원 등 변수를 조절하며, 희귀 단어 처리 및 형태소 기반 성능 향상을 검증할 수 있다.
핵심어
단어 임베딩서브워드스킵그램다국어 NLP
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.