20230711_논문스터디2회차

[convin305]

• 논문 제목 : DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks
• 분야 : TimeSeries
• 논문 링크 : https://arxiv.org/pdf/1704.04110.pdf
• 발표 자료 : https://cottony-wedelia-967.notion.site/DeepAR-Probabilistic-Forecasting-with-Autoregressive-Recurrent-Networks-db46a1f5b8bb4a6e804ea0a0b9466d67?pvs=4
• 요약 : 최근은 예측해야하는 품목의 개수가 이전보다 매우 증가했고, 각각의 데이터는 매우 치우쳐진 상태인 경우가 많음. 이를 해결하기위해 LSTM기반의 확률론적 시계열 예측 모델인 DeepAR을 제시. 유사한 시계열 데이터를 이용하여 글로벌 모델을 학습하여 데이터가 적거나 없더라도 예측 결과를 반환 가능.

[HyoRyeoung]

• 논문 제목 : Lexical Acquisition through Implicit Confirmations over Multiple Dialogues
• 분야 :
• 논문 링크 : https://aclanthology.org/W17-5507.pdf
• 발표 자료 : https://educated-lynx-63e.notion.site/2023-07-11-5857b2a79812438da5387273a0ef2d29?pvs=4
• 요약 : 알수 없는 용어가 나왔을 때 암시적 확인을 요청하는 것에 대한 접근 방식 제시 반복적인 명시적 확인을 통해 모르는 용어에 대한 정보를 획득 사용자로부터 획득한 결과가 올바른지의 여부를 기능 별로 분류하고 예측의 임계 값을 설정하여 임계 값을 넘기면 시스템에 획득한 지식을 저장 단일 응답만 고려한 것 보다 다양한 사용자에게 암시적 요청을 한것이 더 정확하게 예측

[jj150618]

논문 제목 : SASRec Self-Attentive Sequential Recommendation 분야 : RecSys 논문 링크 : https://arxiv.org/abs/1808.09781 발표 자료 : https://www.notion.so/Self-Attentive-Sequential-Recommendation-8e3920826aba4ce88a4666c55d73d372?pvs=4 요약 : 기존의 순차 모델들과는 달리, 어텐션 메커니즘을 사용하여 상대적으로 적은 수의 사용자 행동을 기반으로 예측을 수행하면서도 장기적인 패턴을 캡처할 수 있음

[Donggyu-Hwang]

논문 제목 : 자연어 처리 모델을 이용한 특허 청구항 작성 및 구체화 방법 분야 : LLM 논문 링크 : https://hanyang.dcollection.net/public_resource/pdf/200000655297_20230711173015.pdf 발표 자료 : https://coal-success-2eb.notion.site/0d6d8d77881a495194984f23dd4ab96a?pvs=4 요약 : 자연어 처리 모델을 통해 3단계로 특허 청구항을 작성 하고, 각 단계 별로 프롬프트 엔지니어링을 통한 청구항 구체화 및 클러스터링