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 9,652회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
RESEARCH PAPER 슬롯에 선정된 이유는 2017년 발표된 논문이 9652회의 피인용과 동년 상위 1%라는 높은 인용 영향력을 가지고 있어 후속 연구 설계에 중요한 토대를 제공하기 때문이다.
논문 요약
대규모 비지도 코퍼스에서 학습된 연속형 단어 표현은 여러 NLP 작업에 활용되지만, 기존 모델은 형태소 정보를 무시한다. 본 연구는 스킵그램 모델에 문자 n‑gram을 도입해 각 n‑gram에 벡터를 할당하고, 단어 벡터를 이들의 합으로 구성한다. 이 방식은 학습 속도가 빠르고, 훈련에 등장하지 않은 단어에도 벡터를 즉시 생성할 수 있다. 9개 언어에서 단어 유사도 및 유추 과제에 적용해 광범위한 성능 향상을 확인했다.
후속 연구설계에 활용하기
서브워드 기반 임베딩을 기반 변수로 활용하면, 희귀어나 OOV 단어가 많은 도메인에서의 NLP 모델 성능을 향상시키는 실험을 설계할 수 있다.
핵심어
단어 임베딩서브워드스킵그램언어 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.