Self-supervised Word2Vec
Word2Vec on nimetud õppemudel, mille Mikolov jt (2013) tutvustasid ja mis õpib sõnade tihedaid vektorrepresentatsioone suurtest märgistamata tekstikorpusest isejuhendatud eesmärkide abil. Koolitades mudelit ümbritsevate kontekstsõnade ennustamiseks (Skip-gram) või sihtsõna selle kontekstist (CBOW), püüab see pidevas vektorruumis kinni rikkalikud semantilised ja süntaktilised seaduspärasused ilma käsitsi märgistamiseta.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. In Proceedings of the International Conference on Learning Representations (ICLR 2013). link ↗
- Mikolov, T., Sutskever, I., Chen, K., Corrado, G., & Dean, J. (2013). Distributed representations of words and phrases and their compositionality. In Advances in Neural Information Processing Systems (NeurIPS 2013), 26. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Self-supervised Word2Vec (Skip-gram and CBOW with Self-supervised Objectives). ScholarGate. https://scholargate.app/et/deep-learning/self-supervised-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.
- FastTextSüvaõpe↔ compare
- GloVe manusedTekstikaeve↔ compare
- Korduv närvivõrkSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →