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 9,645회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
RESEARCH 슬롯은 후속 연구 설계에 활용도가 높은 논문을 선정하는데, 9,645회의 인용과 높은 인용 영향력으로 이 논문이 해당 기준에 부합한다.
논문 요약
이 연구는 스킵그램 모델에 문자 n‑gram을 도입해 각 n‑gram에 벡터를 부여하고, 단어를 해당 n‑gram 벡터의 합으로 표현하는 방법을 제안한다. 이 접근은 훈련 속도가 빠르고, 훈련 데이터에 없던 단어도 벡터화할 수 있다. 9개 언어에 대해 단어 유사도 및 유추 과제에서 기존 모델과 비교 평가했으며, 전반적으로 우수한 성능을 보였다.
후속 연구설계에 활용하기
후속 연구에서는 서브워드 기반 임베딩을 베이스라인으로 삼아 n‑gram 크기나 가중치 방식을 변형하거나, 최신 컨텍스트 모델과 결합해 성능을 비교할 수 있다.
핵심어
서브워드단어 임베딩스킵그램어휘 유사도
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.