Мултимодален Word2Vec
Мултимодалният Word2Vec разширява класическата рамка на Word2Vec, като заземява векторните представяния на думите във възприемащи сигнали — обикновено визуални характеристики — заедно с разпределителните текстови статистики. Резултатът са векторни представяния на думите, които улавят както лингвистичните модели на съвместна поява, така и визуалното значение, което позволява по-богати преценки за семантична сходство и по-добра производителност при задачи на концептуално ниво, където чисто текстовите вграждания не успяват.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Bruni, E., Tran, N.-K., & Baroni, M. (2014). Multimodal Distributional Semantics. Journal of Artificial Intelligence Research, 49, 1–47. DOI: 10.1613/jair.4135 ↗
- Mikolov, T., Sutskever, I., Chen, K., Corrado, G., & Dean, J. (2013). Distributed Representations of Words and Phrases and their Compositionality. Advances in Neural Information Processing Systems (NIPS), 26. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Multimodal Word2Vec (Cross-Modal Distributional Semantics). ScholarGate. https://scholargate.app/bg/deep-learning/multimodal-word2vec
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Мултимодална класификация, базирана на BERTДълбоко обучение↔ compare
- Мултимодален Doc2VecДълбоко обучение↔ compare
- Мултимодални изреченски вгражданияДълбоко обучение↔ compare
- Мултимодален ТрансформерДълбоко обучение↔ compare
- Вграждане на изреченияДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →