본 연구는 고자원 언어에서는 뛰어난 성능을 보이는 트랜스포머 기반 모델이 저자원 환경에서는 어떤 성능을 보이는지 분석했어요.
Biaffine LSTM은 트랜스포머 모델보다 저자원 환경에서 일관되게 더 좋은 성능을 보였고, 훈련 데이터가 증가함에 따라 트랜스포머 모델이 다시 우위를 점하는 것을 확인했어요.
형태소 복잡성이 트랜스포머 모델의 상대적 단점을 예측하는 중요한 요인으로 나타났으며, 저자원 환경에서는 Biaffine LSTM이 더 적합할 수 있다는 결론을 내렸어요.