인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
기존 저자원 신경기계번역(NMT: Neural Machine Translation) 연구는 번역 성능 향상에 주력해 왔으며, 정렬 분포의 구조적 특성 분석은 충분히 이루어지지 않았다. 본 논문은 인코더와 디코더의 self-attention을 복소수 공간으로 확장하고, 디코더의 cross-attention에 Hermitian 연산을 적용한 복소수 어텐션 트랜스포머(Complex-Attention Transformer, CAT)를 제안하였으며, 이를 기반으로 정렬 분포의 구조적 특성을 분석하였다. 제안한 CAT는 4개 저자원 언어쌍에서 파라미터 매칭 실수 모델(RealMatch) 대비 정렬 엔트로피를 9.7% – 35.6% 증가시켰으며, 번역 품질은 대부분 조건에서 유의한 차이를 보이지 않았다. 랜덤 포레스트(Random Forest, RF) + SHAP(SHapley Additive exPlanations) 기반 구조 분석 결과, 품질 보존 여부는 단일 피처보다 정렬 관련 피처들의 구조적 상호작용과 밀접하게 관련됨을 확인하였다. 사례 분석에서도 엔트로피 증가가 품질 저하가 아니라 정렬 탐색 공간의 구조적 확장을 반영하는 것으로 나타났다. 이러한 결과는 복소수 어텐션이 정렬 분포의 표현 범위를 확장하면서도 번역 품질을 보존할 수 있음을 시사하며, 향후 저자원 NMT 모델 설계의 방향을 제시한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
