LoRA 기반 단일신경망 시퀀스 정렬 앙상블 활용 형태소 분석기

Q: 이 논문에서 정의한 LoRA(이)란 무엇인가?

LoRA는 대규모 언어 모델의 저랭크 적응(Low-Rank Adaptation of Large Language Models)을 의미한다. 이는 트랜스포머 인코더 모델에 부착하여 경량화를 수행하는 방법으로, 적은 수의 파라미터로도 모델의 성능을 향상시키면서 메모리 효율성을 높이는 데 기여한다. 본 연구에서는 LoRA 모델을 활용하여 형태소 분석기의 성능을 개선하고 자원 제약을 극복하는 데 중점을 둔다.

Q: LoRA 기반 시퀀스 정렬 앙상블이 형태소 분석기 성능에 어떤 영향을 미치는가?

연구 결과, LoRA 기반 단일 신경망 시퀀스 정렬 앙상블은 기존 BERT, RoBERTa와 같은 트랜스포머 인코더 모델 대비 형태소 분석 성능을 최대 2.68% 향상시켰다. 또한, 모델 용량을 57% 절감하고 96.75%의 메모리를 절약하여 자원 효율성 측면에서도 뛰어난 효과를 보였다. 이는 경량화된 모델로도 우수한 성능을 달성할 수 있음을 입증한다.

김희망; 정지수; 정상근

학술대회자료 Full-text

저자정보: 김희망 (충남대학교) 정지수 (충남대학교) 정상근 (충남대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2024 한국컴퓨터종합학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

본 연구에서는 트랜스포머 인코더 모델에 LoRA모델을 부착하여 10개의 경량화 모델을 훈련하고, 이의 예측 결과를 시퀀스 정렬 앙상블 하여 경량화 모델의 성능을 높일 수 있는 기법을 제안하였다. 이를 통해 모델의 성능을 향상시키고자, 동시에 자원을 효율적으로 활용할 수 있는 방법을 탐구하였다. 실험 결과, 본 연구에서는 BER ... 전체 초록 보기

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

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

댓글(0)