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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이지훈
- 발행연도
- 2022
- 저작권
- 상명대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Recent studies in distributed vector representations for words have variety of ways to represent words. We propose a method using input embedding and output embedding from the Word2Vec model to better represent the words. We compared the performance measured on word analogy task and word similarity task with each input and output embeddings and various dual embeddings which are the combination of those two embeddings. Our experiments show that the performance of the dual embeddings outperforms each single embedding, especially with the way of simply adding input and output embeddings. We figured out two things in this paper, (1) not only input embedding but also output embedding has such meaning to represent the words and (2) combining input embedding and output embedding as dual embedding outperforms the single embedding when we use input embedding and output embedding individually.
목차
1. Introduction2. Related Works2.1. Word Representations2.2. Awareness of the Output Embedding2.3. Combining Embeddings3. Model3.1. Concatenation3.2. Sum3.3. Auto Encoder3.4. Singular Value Decomposition3.5. 2to14. Experiment4.1. Word Analogy Task4.2. Word Similarity Task4.3. Nearest Neighbors5. Conclusion참고문헌ABSTRACT
최근 본 자료
댓글(0)
0