Machine learningDeep learning / NLP / CV

Doc2Vec semi-supervisé

Doc2Vec semi-supervisé étend le cadre des vecteurs de paragraphes de Le et Mikolov (2014) en entraînant des plongements de documents denses sur des corpus étiquetés et non étiquetés simultanément, en utilisant les étiquettes de classe disponibles comme signal auxiliaire pour orienter la représentation vers une structure pertinente pour la tâche tout en exploitant la totalité de la collection non étiquetée pour la généralisation.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Sources

  1. Le, Q. V., & Mikolov, T. (2014). Distributed Representations of Sentences and Documents. Proceedings of the 31st International Conference on Machine Learning (ICML 2014), PMLR 32(2), 1188–1196. link
  2. Word2vec. Wikipedia. link

Comment citer cette page

ScholarGate. (2026, June 3). Semi-supervised Paragraph Vector (Semi-supervised Doc2Vec). ScholarGate. https://scholargate.app/fr/deep-learning/semi-supervised-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.

Compare side by side
ScholarGateSemi-supervised Doc2Vec (Semi-supervised Paragraph Vector (Semi-supervised Doc2Vec)). Consulté le 2026-06-15 sur https://scholargate.app/fr/deep-learning/semi-supervised-doc2vec · Jeu de données : https://doi.org/10.5281/zenodo.20539026