داک تو وِک چندوجهی
داک تو وِک چندوجهی چارچوب بردار پاراگراف داک تو وِک را برای گنجاندن اطلاعات از بیش از یک وجه - معمولاً متن در کنار تصاویر، صدا یا فراداده ساختاریافته - گسترش میدهد و یک جاسازی مشترک در سطح سند تولید میکند که معانی را از چندین منبع به طور همزمان در بر میگیرد. این روش برای بازیابی بین وجهی، طبقهبندی چند منبعی و نمایش سند که در آن متن به تنهایی کافی نیست، استفاده میشود.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Le, Q. V., & Mikolov, T. (2014). Distributed Representations of Sentences and Documents. Proceedings of the 31st International Conference on Machine Learning (ICML), PMLR 32(2), 1188–1196. link ↗
- Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2011). Multimodal Deep Learning. Proceedings of the 28th International Conference on Machine Learning (ICML), 689–696. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multimodal Doc2Vec (Paragraph Vector with Multi-Source Input). ScholarGate. https://scholargate.app/fa/deep-learning/multimodal-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.
- Doc2Vecمتنکاوی↔ compare
- طبقهبندی چندوجهی مبتنی بر BERTیادگیری عمیق↔ compare
- تعبیههای جملات چندوجهییادگیری عمیق↔ compare
- ترانسفورمر چندوجهییادگیری عمیق↔ compare
- Word2Vec چندوجهییادگیری عمیق↔ compare
- تعبیههای جملهیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →