한국어 문장 유사도 측정을 위한 Sentence BERT

Q: 이 논문에서 정의한 Sentence Embedding이란 무엇인가?

문장의 함축적인 의미를 포함하는 벡터 표현을 의미한다. 이는 문장 간의 유사도를 측정하거나 클러스터링과 같은 다양한 다운스트림 애플리케이션에 활용될 수 있는 수치적 표현 방식이다.

Q: 한국어 문장 유사도 측정 성능을 향상시키는 핵심 방법은 무엇인가?

연구 결과, 각 문장의 임베딩 벡터에서 서로의 관계 정보를 추가한 새로운 벡터의 결합을 활용하는 것이 효과적이다. 특히 NLI 데이터로 사전 학습 후 STS 데이터로 미세 조정을 거쳤을 때 가장 높은 성능을 보였다.

김봉민; 박성배

추천

검색

질문

자료유형: 학술대회자료

저자정보: 김봉민 (경희대학교) 박성배 (경희대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2020 한국소프트웨어종합학술대회 논문집

발행연도: 2020.12

수록면: 1,376 - 1,378 (3page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

문장에 대한 함축적 의미를 포함하고 있는 Sentence Embedding은 문장 간의 유사도 측정, Clustering 등의 Downstream Application에 적용 될 수 있다. SBERT는 NLI, STS 데이터를 통해 문장에 대한 유사도를 학습함으로서 Sentence Embedding을 생성할 수 있다. 본 논 ... 전체 초록 보기

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)