목록DL/논문 리뷰 (7)
dmswl
0. Abstract 대회에서 가장 높은 정확도를 내는 모델들은 앙상블, 딥러닝 같은 복잡한 모델이다. 이 모델들은 전문가들이 해석하기도 어려운 모델이며, 모델이 내린 예측의 이유를 이해하는 것이 많은 응용 분야에서 매우 중요하다. 이 문제점을 해결하기 위해 최근에 복잡한 모델의 예측을 해석하는 데 도움이 되는 다양한 방법이 제안됐지만, 이러한 방법들이 어떻게 관련이 되어 있고, 어떤 방법이 다른 방법보다 우수한지는 불분명하다. 따라서 이러한 문제를 해결하기 위해 **SHAP(SHapley Additive exPlanations)**라는 예측 해석을 위한 통합 프레임워크를 제안. SHAP 구성 요소 새로운 클래스의 가산 특성 중요도 측정 방법의 식별 (the identification of a new c..
[논문 리뷰] BERT: Pre-Training of Deep Bidrectional Transformers for Language Understanding 논문 리뷰
더보기 BERT(Bidirectional Encoder Representations from Transformer) 는 2018년 구글에서 공개한 논문 에서 제안된 모델이다. 이 모델은 11개의 NLP Tasks의 성능을 바탕으로 모델들의 순위를 매기는 GLUE (General Language Understanding Evaluation) Benchmark에서 다른 모델들을 큰 차이로 앞서며 최고 성능을 보여주었다. 또한, 가장 인간다운 자연어 이해를 기반으로 한 자연어 질문에 대한 답변을 해야하는 태스크 SQUAD(The Stanford QUestion Answering Dataset) Benchmark에서 기존 최고 성능을 깨면서 주목받기 시작하였다. 실제로 이때부터 거의 모든 NLP Benchmar..
보호되어 있는 글입니다.
보호되어 있는 글입니다.
보호되어 있는 글입니다.
보호되어 있는 글입니다.
보호되어 있는 글입니다.