메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
서상현 (동국대학교) 김준태 (동국대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제28권 제4호
발행연도
2022.4
수록면
256 - 261 (6page)
DOI
10.5626/KTCP.2022.28.4.256

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
퓨샷 러닝(few-shot learning)은 소량의 학습자원만을 활용할 수 있는 태스크에 대하여 효율적인 학습을 수행하고자 하는 학습 방식이다. 메타러닝(meta learning)은 학습하는 방식을 학습하는 개념으로서 퓨샷 학습 문제를 효율적으로 해결할 수 있는 주요한 접근방식으로 많은 관심을 받고 있다. 최근 자연어처리 분야에서도 퓨샷 학습에 대한 필요성이 증대되고 있으나, 메타러닝을 수행하는 과정에서의 메타 과적합 문제는 퓨샷 학습 모델의 일반화 성능 저하의 주요한 원인으로 지적되고 있다. 이에 본 연구에서는 메타학습을 위한 데이터를 증강시켜 베이스 러너(base learner) 모델의 일반화 성능을 향상시키는 메타 데이터 증강 기반 퓨샷 관계 분류 모델을 제안한다. 제안하는 방법론은 소량의 학습 데이터만 보유한 퓨샷 관계 분류(few-shot relation classification) 문제에서 메타 과적합을 완화하여 메타 러너 모델의 일반화 성능을 향상시킬 수 있음을 보여 보다 효율적인 지식 그래프 구축 및 지식 완성(knowledge completion)을 가능하게 한다.

목차

요약
Abstract
1. 서론
2. 관련연구
3. 메타 데이터 증강 기반 퓨샷 관계 분류
4. 실험
5. 결론 및 향후연구
References

참고문헌 (14)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0