Overførsel af læring med Word2Vec
Overførsel af læring med Word2Vec anvender ordindlejringer, der er forhåndstrænet på store tekstkorpora via Skip-gram- eller CBOW-målene introduceret af Mikolov et al. (2013), til at initialisere indlejringslaget i en nedstrøms NLP-model. Denne tilgang overfører distributionel semantisk viden til opgaver, hvor mærkede data er knappe, og overgår konsekvent tilfældig initialisering.
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
- Mikolov, T., Sutskever, I., Chen, K., Corrado, G. S., & Dean, J. (2013). Distributed representations of words and phrases and their compositionality. Advances in Neural Information Processing Systems (NIPS), 26, 3111-3119. link ↗
- Kim, Y. (2014). Convolutional Neural Networks for Sentence Classification. Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), 1746-1751. DOI: 10.3115/v1/D14-1181 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Transfer Learning with Word2Vec Pre-trained Embeddings. ScholarGate. https://scholargate.app/da/deep-learning/transfer-learning-with-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.
- Finjusteret Word2VecDyb læring↔ compare
- LDA Emne-modelDyb læring↔ compare
- Recurrent Neural NetworkDyb læring↔ compare
- SætningsindlejringerDyb læring↔ compare
- Transfer Learning med BERT-baseret KlassifikationDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →