자연어 추론에서의 교차 검증 앙상블 기법
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 양기수 | - |
dc.contributor.author | 황태선 | - |
dc.contributor.author | 오동석 | - |
dc.contributor.author | 박찬준 | - |
dc.contributor.author | 임희석 | - |
dc.date.accessioned | 2021-08-30T05:16:45Z | - |
dc.date.available | 2021-08-30T05:16:45Z | - |
dc.date.created | 2021-06-17 | - |
dc.date.issued | 2021 | - |
dc.identifier.issn | 2383-630X | - |
dc.identifier.uri | https://scholar.korea.ac.kr/handle/2021.sw.korea/50725 | - |
dc.description.abstract | 앙상블 기법은 여러 모델을 종합하여 최종 판단을 산출하는 기계 학습 기법으로서 딥러닝 모델의 성능 향상을 보장한다. 하지만 대부분의 기법은 앙상블만을 위한 추가적인 모델 또는 별도의 연산을 요구한다. 이에 우리는 앙상블 기법을 교차 검증 방법과 결합하여 앙상블 연산을 위한 비용을 줄이며 일반화 성능을 높이는 교차 검증 앙상블 기법을 제안한다. 본 기법의 효과를 입증하기 위해 MRPC, RTE 데이터셋과 BiLSTM, CNN, ELMo, BERT 모델을 이용하여 기존 앙상블 기법보다 향상된 성능을 보인다. 추가로 교차 검증에서 비롯한 일반화 원리와 교차 검증 변수에 따른 성능 변화에 대하여 논의한다. | - |
dc.language | Korean | - |
dc.language.iso | ko | - |
dc.publisher | 한국정보과학회 | - |
dc.title | 자연어 추론에서의 교차 검증 앙상블 기법 | - |
dc.title.alternative | Cross-Validated Ensemble Methods in Natural Language Inference | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 임희석 | - |
dc.identifier.doi | 10.5626/JOK.2021.48.2.154 | - |
dc.identifier.bibliographicCitation | 정보과학회논문지, v.48, no.2, pp.154 - 159 | - |
dc.relation.isPartOf | 정보과학회논문지 | - |
dc.citation.title | 정보과학회논문지 | - |
dc.citation.volume | 48 | - |
dc.citation.number | 2 | - |
dc.citation.startPage | 154 | - |
dc.citation.endPage | 159 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART002683599 | - |
dc.description.journalClass | 2 | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | 앙상블 | - |
dc.subject.keywordAuthor | 딥러닝 | - |
dc.subject.keywordAuthor | 자연어처리 | - |
dc.subject.keywordAuthor | 자연어 추론 | - |
dc.subject.keywordAuthor | ensemble | - |
dc.subject.keywordAuthor | deep learning | - |
dc.subject.keywordAuthor | natural language processing | - |
dc.subject.keywordAuthor | natural language inference | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
(02841) 서울특별시 성북구 안암로 14502-3290-1114
COPYRIGHT © 2021 Korea University. All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.