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 12
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2017-12 발표 · 피인용 11,074회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 49개
‘RESEARCH PAPER’ 슬롯은 후속 연구 설계에 활용도가 높은 논문을 선정하며, 2017년 발표 이후 11,074회의 인용과 상위 1% 인용 영향력으로 높은 활용 가능성을 보여준다.
논문 요약
대규모 비지도 코퍼스에서 학습된 연속형 워드 표현은 다양한 NLP 작업에 유용하지만, 기존 모델은 형태소 정보를 무시한다는 한계가 있다. 저자는 스킵그램 기반 모델에 문자 n‑gram을 활용해 각 단어를 n‑gram 백터들의 합으로 표현하는 방식을 제안하였다. 이 방법은 학습 속도가 빠르고, 훈련 데이터에 없던 OOV 단어에 대한 벡터도 생성한다. 9개 언어에 걸친 단어 유사도·유추 과제에서 기존 방법보다 우수한 성능을 보였다.
후속 연구설계에 활용하기
하위단어 기반 임베딩을 현재의 트랜스포머나 언어 모델에 접목해 OOV 처리 성능을 비교하거나, n‑gram 가중치를 변수로 설정한 실험 설계에 적용할 수 있다.
핵심어
워드 벡터하위단어문자 n‑gram언어 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.