초록
많은 자연어 처리(NLP) 작업에서 주로 사용되는 접근 방식은 순환 신경망, 특히 LSTM(Long Short-Term Memory)과 합성곱 신경망입니다. 그러나 이러한 구조는 컴퓨터 비전 분야에서 최신 기술을 선도하고 있는 깊은 합성곱 네트워크에 비해 상대적으로 얕습니다. 본 연구에서는 텍스트 처리를 위해 문자 수준에서 직접 작동하며, 작은 합성곱 및 풀링 연산만을 사용하는 새로운 아키텍처(VDCNN, Very Deep Convolutional Neural Network)를 제시합니다. 이 모델의 성능이 깊이에 따라 향상됨을 보일 수 있으며, 최대 29개의 합성곱 계층을 사용하여 여러 공개 텍스트 분류 작업에서 최신 기술보다 우수한 결과를 보고합니다. 우리所知에 따르면, 이는 매우 깊은 핈성곱 네트워크가 텍스트 처리에 처음으로 적용된 사례입니다.注：最后一句中的“我们所知”在韩文中通常会翻译为“우리가 알고 있는 한”或“우리의 지식으로서”，这里选择了一个较为简洁的表达方式。以下是修正后的版本：우리의 지식으로서, 이는 매우 깊은 합성곱 네트워크가 텍스트 처리에 처음으로 적용된 사례입니다.