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 7
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2017-12 발표 · 피인용 11,083회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 49개
RESEARCH 슬롯에 선정된 이유는 2017년 발표 이후 11,083회 인용된 매우 높은 인용 영향력으로, 후속 연구 설계에 핵심적인 참고 자료가 되기 때문이다.
논문 요약
대규모 비지도 말뭉치로 학습한 연속 단어 표현은 형태소 정보를 무시한다는 한계를 지니며, 특히 어휘가 크고 희소어가 많은 언어에서 문제된다. 본 논문은 skip‑gram 모델을 기반으로 각 문자 n‑gram에 벡터를 할당하고, 단어를 이들 벡터의 합으로 표현하는 방식을 제안한다. 이 방법은 빠르게 대규모 말뭉치를 학습할 수 있으며, 훈련에 등장하지 않은 단어에도 표현을 제공한다. 9개 언어에 대해 단어 유사도와 유추 과제에서 평가하였다.
후속 연구설계에 활용하기
새로운 언어나 도메인에 대해 서브워드 기반 임베딩을 학습하고, 기존 모델과 성능을 비교하는 실험 설계에 활용할 수 있다.
핵심어
단어 임베딩서브워드skip‑gramOOV 단어
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.