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 15
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2017-12 발표 · 피인용 9,822회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
RESEARCH PAPER 슬롯은 후속 연구 설계에 활용도가 높은 논문을 선정했으며, 9,822회의 인용·동년 상위 1%라는 높은 영향력이 기준이 되었습니다.
논문 요약
연속적인 단어 표현을 대규모 비지도 코퍼스에서 학습하는 기존 방법은 형태소 정보를 무시하고 각 단어에 고유 벡터를 할당한다는 한계가 있다. 본 논문은 skip‑gram 모델에 서브워드(문자 n‑gram) 정보를 통합하여 각 n‑gram에 벡터를 부여하고, 단어를 이들 벡터의 합으로 표현하는 방식을 제안한다. 이 접근은 빠른 학습이 가능하고, 훈련 데이터에 존재하지 않았던 단어(OOV)도 벡터화할 수 있다. 제안 모델은 9개 언어에 대해 유사도·유추 과제에서 기존 최신 모델들을 능가하였다.
후속 연구설계에 활용하기
도메인 특화 코퍼스에 서브워드 기반 임베딩을 적용하고, n‑gram 길이와 합산 방식 등의 변수를 바꿔 성능 변화를 측정함으로써 기존 워드2벡터 대비 개선 효과를 검증할 수 있다.
핵심어
서브워드단어벡터스킵그램언어모델
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.