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 20
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2017-12 발표 · 피인용 9,662회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
RESEARCH PAPER 슬롯은 9662회의 인용·동년 상위 1%라는 높은 영향력을 갖고 있어 후속 연구에 활용도가 높다.
논문 요약
대규모 비지도 말뭉치를 이용해 연속적인 단어 표현을 학습하는 기존 모델은 형태소 정보를 무시한다는 한계가 있다. 본 논문은 skip‑gram 모델에 문자 n‑gram을 결합해 각 단어를 n‑gram 백터의 합으로 표현하는 방법을 제안한다. 이 방식은 학습 속도가 빠르고, 훈련 데이터에 없던 단어도 벡터화할 수 있다. 9개 언어에 대해 유사도·유추 과제에서 기존 모델 대비 성능 향상을 입증하였다.
후속 연구설계에 활용하기
서브워드 기반 임베딩을 다른 언어 모델에 통합하거나, n‑gram 크기·벡터 차원을 조절해 다양한 downstream 태스크에서 성능을 비교하는 연구를 설계할 수 있다.
핵심어
단어 벡터서브워드Skip‑gram형태소 정보
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.