Doc2Vec — Dokumentindlejringer
Doc2Vec, også kendt som Paragraph Vector, er en repræsentationslæringsmetode introduceret af Le og Mikolov (2014), der afbilder hele dokumenter til tætte vektorer af fast længde. Disse vektorer placerer lignende dokumenter tæt på hinanden i rummet, hvilket understøtter dokument sammenligning og klassifikation.
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), 1188-1196. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Doc2Vec Document Embeddings (Paragraph Vector). ScholarGate. https://scholargate.app/da/text-mining/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.
- GloVe EmbeddingsTekstmining↔ compare
- SentimentanalyseTekstmining↔ compare
- TekstklassificeringTekstmining↔ compare
- TF-IDFTekstmining↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →