Doc2Vec — Representaciones de Documentos
Doc2Vec, también conocido como Paragraph Vector, es un método de aprendizaje de representaciones introducido por Le y Mikolov (2014) que mapea documentos completos a vectores densos de longitud fija. Estos vectores colocan documentos similares juntos en el espacio, facilitando la comparación y clasificación de documentos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Doc2Vec Document Embeddings (Paragraph Vector). ScholarGate. https://scholargate.app/es/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 EmbeddingsMinería de texto↔ compare
- Análisis de SentimientoMinería de texto↔ compare
- Clasificación de TextoMinería de texto↔ compare
- TF-IDFMinería de texto↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →