Multilingual Paragraph Vector (Doc2Vec) Model

Doc2Vec attribue à chaque document son propre vecteur — un point dans un espace de haute dimension — qui capture le sens de ce document. Dans la variante multilingue, le modèle est entraîné de telle sorte que les vecteurs de différentes langues partagent le même espace : un article français sur le changement climatique se retrouve près d'un article anglais sur le même sujet. L'idée clé est qu'en entraînant conjointement sur des données multilingues, ou en alignant des espaces entraînés séparément, le modèle apprend un sens indépendant de la langue plutôt que des motifs de mots de surface.