Multimodal Doc2Vec
Multimodal Doc2Vec udvider Doc2Vec-paragrafvektorrammeværket til at inkorporere information fra mere end én modalitet – typisk tekst sammen med billeder, lyd eller struktureret metadata – og producerer en delt indlejring på dokumentniveau, der samtidig fanger semantik fra flere kilder. Den bruges til krydsmodal genfinding, klassifikation fra flere kilder og dokumentrepræsentation, hvor tekst alene er utilstrækkelig.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Le, Q. V., & Mikolov, T. (2014). Distributed Representations of Sentences and Documents. Proceedings of the 31st International Conference on Machine Learning (ICML), PMLR 32(2), 1188–1196. link ↗
- Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2011). Multimodal Deep Learning. Proceedings of the 28th International Conference on Machine Learning (ICML), 689–696. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multimodal Doc2Vec (Paragraph Vector with Multi-Source Input). ScholarGate. https://scholargate.app/da/deep-learning/multimodal-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.
- Doc2VecTekstmining↔ compare
- Multimodal BERT-baseret klassifikationDyb læring↔ compare
- Multimodale sætningsindlejringerDyb læring↔ compare
- Multimodal TransformerDyb læring↔ compare
- Multimodal Word2VecDyb læring↔ compare
- SætningsindlejringerDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →