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 18
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2017-12 발표 · 피인용 9,656회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
RESEARCH PAPER 슬롯에 선정된 이유는 2017년 발표 이후 9 656회 인용된 고인용 논문으로, 후속 연구 설계에 활용도가 매우 높기 때문이다.
논문 요약
대규모 코퍼스에서 학습되는 연속 단어 표현이 형태소 정보를 무시한다는 한계를 극복하기 위해, 문자 n‑gram을 활용한 스킵그램 모델을 제안한다. 각 n‑gram에 벡터를 할당하고, 단어를 해당 n‑gram 벡터들의 합으로 표현함으로써 희귀어와 미등록어에 대해서도 의미 표현이 가능하도록 한다. 이 방법은 빠른 학습 속도를 유지하면서 9개 언어의 유사도·유추 과제에서 기존 모델보다 우수한 성능을 보였다.
후속 연구설계에 활용하기
후속 연구에서는 하위 단어 기반 임베딩을 교육용 텍스트 분석에 적용해, 형태소가 풍부한 언어의 어휘 확장 및 OOV 단어 처리를 변수로 다룰 수 있다.
핵심어
하위 단어워드 벡터문자 n-gram다국어 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.