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 9,657회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
RESEARCH PAPER 슬롯에 선정된 이유는 9,657회의 높은 인용 횟수와 분야 최고 수준의 인용 영향력으로, 후속 연구 설계에 활용도가 매우 높기 때문이다.
논문 요약
본 연구는 기존 Skip‑gram 모델이 단어 형태소 정보를 무시하는 한계를 극복하기 위해, 각 문자 n‑gram에 벡터를 할당하고 이를 합산해 단어를 표현하는 방식을 제안한다. 이 방법은 빠른 학습이 가능하고, 희귀 단어와 학습 데이터에 없던 단어에 대한 표현도 생성할 수 있다. 9개 언어에 대해 단어 유사도 및 유추 태스크에서 기존 모델 대비 우수한 성능을 보이며, 서브워드 기반 임베딩의 효과를 입증하였다.
후속 연구설계에 활용하기
후속 연구에서는 서브워드 기반 임베딩을 다국어 텍스트 처리 파이프라인에 적용하고, 형태소 풍부한 언어에서의 성능 차이를 변수로 검증할 수 있다.
핵심어
단어 벡터서브워드스킵그램언어 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.