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.
Domain-Specific Language Model Pretraining for Biomedical Natural Language Processing
裕二 池谷, Robert Tinn, Hao Cheng 외 · ACM Transactions on Computing for Healthcare · 2021년 · 조회 18
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2021-10 발표 · 피인용 2,590회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 62개
후속 연구 설계에 유용한 RESEARCH Paper로, 2,590회의 인용과 동년 상위 1% 영향을 받아 선정되었다.
논문 요약
본 연구는 일반 도메인 모델에 이어 사전학습을 진행하는 기존 가설에 도전한다. 풍부한 비라벨 텍스트가 존재하는 생물의학 분야에서는 처음부터 도메인 특화 언어 모델을 학습하는 것이 지속적 사전학습보다 큰 성능 향상을 가져온다. 이를 검증하기 위해 공개 데이터셋 기반의 포괄적 생물의학 NLP 벤치마크를 구축하였다. 실험 결과, 도메인 특화 사전학습이 다양한 생물의학 과제에서 새로운 최첨단 성능을 달성하였다.
후속 연구설계에 활용하기
제시된 벤치마크와 사전학습 전략을 이용해 새로운 생물의학 모델을 평가하거나, 도메인 별 사전학습 효과를 비교하는 실험 설계에 적용할 수 있다.
핵심어
생물의학도메인특화언어모델사전학습
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.