Machine learningDeep learning / NLP / CV

Multilingual Doc2Vec

Multilingual Doc2Vec estén el marc del Paragraph Vector de Le i Mikolov (2014) a dues o més llengües, entrenant embeddings a nivell de document en un espai vectorial compartit o alineat, de manera que documents semànticament similars, independentment de la seva llengua, acabin a prop. Permet la recuperació, classificació i agrupació de documents cross-lingües sense necessitat de corpus paral·lels ni traducció.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. Le, Q., & Mikolov, T. (2014). Distributed representations of sentences and documents. In Proceedings of the 31st International Conference on Machine Learning (ICML), PMLR 32(2), 1188–1196. link
  2. Multilingualism. Wikipedia. link

Com citar aquesta pàgina

ScholarGate. (2026, June 3). Multilingual Paragraph Vector (Doc2Vec) Model. ScholarGate. https://scholargate.app/ca/deep-learning/multilingual-doc2vec

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.

Compare side by side
ScholarGateMultilingual Doc2Vec (Multilingual Paragraph Vector (Doc2Vec) Model). Recuperat el 2026-06-15 de https://scholargate.app/ca/deep-learning/multilingual-doc2vec · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026