생성적 대규모 언어 모델을 사용한 합성 쿼리 변형의 데이터 융합: 검색 효율성 향상을 위한 새로운 접근 방식

대규모 언어 모델(LLM)을 사용하여 생성된 합성 쿼리 변형을 데이터 융합 기술과 결합하면 정보 검색 효율성을 크게 향상시킬 수 있습니다.

고정된 랭크-1 행렬에서 얻은 꼬인 중앙화기 코드의 오류 정정 기능에 대한 연구

고정된 랭크-1 조합 행렬에서 생성된 꼬인 중앙화기 코드는 뛰어난 오류 정정 능력을 지닌 MDS (Maximum Distance Separable) 코드이지만, 낮은 정보 전송률과 제한적인 메시지 코드 용량을 나타냅니다.

오픈액세스 저널의 지역적 및 학문적 범위: OpenAlex, Scopus, WoS 비교 분석

본 연구는 오픈액세스 저널의 지역적 및 학문적 범위를 OpenAlex, Scopus, WoS 세 가지 데이터베이스를 비교 분석하여 OpenAlex의 포괄성을 강조하면서도 각 데이터베이스의 고유한 특징과 한계점을 제시합니다.

계량서지학 지표의 불확실성

제어 가능한 개인 맞춤 검색을 위한 메모리 증강 교차 인코더

본 논문에서는 사용자의 제어를 가능하게 하는 개인 맞춤 검색 모델인 CtrlCE를 제안하며, 이 모델은 편집 가능한 사용자 프로필과 교차 인코더를 결합하여 검색 성능과 사용자 제어 기능을 모두 향상시킵니다.

다중 모달 LLM을 활용한 범용 다중 모달 검색: MM-Embed

본 논문에서는 다양한 검색 작업, 다중 모달 쿼리 및 문서를 처리할 수 있는 범용 다중 모달 검색을 위해 다중 모달 대규모 언어 모델(MLLM)을 활용하는 방법을 제안합니다.

검색 성능 향상: 어려운 부정적 샘플 마이닝을 위한 앙상블 접근 방식

본 연구는 도메인 특정 엔터프라이즈 데이터 세트에서 교차 인코더 재순위 지정 모델의 성능을 향상시키기 위해 앙상블 임베딩을 사용한 강력한 하드 네거티브 마이닝 기술을 제안합니다.

쐐기 문자 기호를 위한 재귀적 인코딩: 히타이트어 텍스트 분석 및 검색 시스템 개선

본 논문에서는 히타이트 쐐기 문자의 효율적인 검색 및 디지털 표현을 위해 기존 방식의 문제점을 분석하고, 이를 개선하는 새로운 재귀적 인코딩 시스템인 '카다루' 시스템을 제안합니다.

연구자의 인식적 폭에 대한 유효한 계량서학적 측정 지표 개발

본 연구는 연구자의 출판 기록에서 나타나는 지식 주장의 범위를 나타내는 인식적 폭을 측정하기 위해 지식 공간 접근 방식을 사용하고, 의미 유사성 네트워크를 활용한 새로운 측정 지표를 제안하며, 이를 통해 연구자의 인식적 폭을 효과적으로 파악할 수 있음을 보여줍니다.

샘플링, 리믹스, 커버가 원곡 인기에 미치는 영향 분석

샘플링, 리믹스, 커버와 같은 음악 차용은 원곡의 인기에 단기적 또는 장기적으로 긍정적인 영향을 미칠 수 있다.