GloVe Embeddings — Global Vectors for Word Representation
GloVe (Global Vectors for Word Representation) er en statisk ord-indlejringsmodel (word-embedding model) introduceret af Pennington, Socher og Manning (2014), som lærer ordvektorer direkte fra globale ord-ord co-forekomststatistikker indsamlet på tværs af et helt korpus. De resulterende vektorer placerer semantisk relaterede ord tæt på hinanden og præsterer stærkt på opgaver med semantiske analogier.
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
- Pennington, J., Socher, R. & Manning, C. D. (2014). GloVe: Global Vectors for Word Representation. EMNLP. DOI: 10.3115/v1/D14-1162 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). GloVe: Global Vectors for Word Representation. ScholarGate. https://scholargate.app/da/text-mining/glove-embeddings
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.
- BERT-indlejringerTekstmining↔ compare
- KollokationsanalyseTekstmining↔ compare
- TF-IDFTekstmining↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →