Process / pipeline
Word2Vec — Ord-indlejringer
Word2Vec er en neural ord-indlejringsteknik introduceret af Mikolov og kolleger i 2013, der afbilder hvert ord i et tekstkorpus til en tæt numerisk vektor. Ord, der optræder i lignende kontekster, ender tæt på hinanden i vektorrummet, så indlejringerne fanger semantisk lighed, der kan måles aritmetisk.
Læs hele metoden
Kun for medlemmer
Log indLog ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Kilder
- Mikolov, T., Chen, K., Corrado, G. & Dean, J. (2013). Efficient Estimation of Word Representations in Vector Space. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Word2Vec Word Embeddings. ScholarGate. https://scholargate.app/da/text-mining/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.
- DokumentklyngningTekstmining↔ compare
- GloVe EmbeddingsTekstmining↔ compare
- TekstklassificeringTekstmining↔ compare
- TF-IDFTekstmining↔ compare
Refereret af
Forfatterskabsattribuering (Stylometri)BERT-indlejringerDomæne-adaptiv Word2VecForklarlig LDA Emne ModelFastTextKnowledge Graph EmbeddingsLatent Dirichlet Allocation (LDA)LDA Emne-modelSemi-supervised Doc2VecSemi-overvåget emnemodelleringTF-IDFLatent Dirichlet Allocation (LDA)Svagt superviseret Word2Vec
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →