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 25
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2017-12 발표 · 피인용 9,650회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
피인용 9650회·동년 상위 1%라는 압도적 인용량이 후속 연구에 활용될 가치가 높음을 보여준다.
논문 요약
본 연구는 스킵그램 모델에 서브워드(문자 n‑그램) 정보를 도입해 각 단어를 n‑그램 벡터들의 합으로 표현한다. 서브워드 벡터는 빠르게 학습 가능하며, 훈련 데이터에 없던 단어도 즉시 임베딩을 생성할 수 있다. 9개 언어에 대해 단어 유사도·유추 과제에서 평가했으며, 기존 단어‑레벨 임베딩보다 우수한 성능을 보였다.
후속 연구설계에 활용하기
서브워드 기반 임베딩을 베이스라인으로 삼아, n‑그램 길이·합성 방식 등 변형을 적용한 다언어 자연어 처리 모델을 설계하고 성능을 비교할 수 있다.
핵심어
단어 임베딩서브워드skip‑gram다언어
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.