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 28
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2017-12 발표 · 피인용 9,648회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
RESEARCH PAPER 슬롯은 9648회 인용·동년 상위 1%라는 높은 영향력 지표를 근거로 후속 연구에 활용도가 높은 논문으로 선정되었다.
논문 요약
본 논문은 기존 Skip‑gram 모델에 문자 n‑gram을 활용한 하위단어 정보를 결합해, 각 단어를 문자 n‑gram 벡터들의 합으로 표현하는 방식을 제안한다. 이 방법은 빠른 학습이 가능하고, 훈련 데이터에 나타나지 않은 드문 단어도 벡터화할 수 있다. 9개 언어에 대해 단어 유사도와 유추 과제를 수행한 결과, 기존 모델들을 크게 앞섰다.
후속 연구설계에 활용하기
언어 자원이 부족한 언어 혹은 도메인 전이 작업에서 하위단어 기반 임베딩을 적용해 성능 향상을 검증하는 연구에 활용할 수 있다.
핵심어
단어 임베딩하위단어스킵그램언어 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.