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 9,652회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
RESEARCH PAPER 슬롯에 선정된 이유는 9652회 인용·동년 논문 상위 1%라는 높은 인용 영향력으로 후속 연구에 활용도가 높기 때문이다.
논문 요약
본 논문은 스킵그램 모델에 문자 n-그램을 활용해 각 단어를 서브워드 bag으로 표현하는 방법을 제안한다. 문자 n-그램마다 벡터를 할당하고, 단어 벡터는 이들 n-그램 벡터의 합으로 구성한다. 이 방식은 대규모 코퍼스에서도 빠르게 학습이 가능하며, 훈련 데이터에 등장하지 않은 희귀 단어의 표현도 생성한다. 9개 언어에 대해 유사도와 유추 과제에서 기존 모델을 능가하는 성능을 보였다.
후속 연구설계에 활용하기
서브워드 n-그램 기반 임베딩을 변수 혹은 전처리 단계로 도입해, 새로운 NLP 모델의 성능 향상 여부를 평가하는 실험 설계에 적용할 수 있다.
핵심어
단어 임베딩서브워드문자 n-gram언어 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.