Multimodal Word2Vec

Multimodal Word2Vec extiende el marco clásico de Word2Vec al fundamentar las representaciones de palabras en señales perceptivas —típicamente características de imágenes— junto con estadísticas distribucionales de texto. El resultado son vectores de palabras que capturan tanto patrones de coocurrencia lingüística como significado visual, permitiendo juicios de similitud semántica más ricos y un mejor rendimiento en tareas a nivel de concepto donde los embeddings puramente basados en texto se quedan cortos.