Doc2Vec — Plongements de documents
Doc2Vec, également connu sous le nom de Paragraph Vector, est une méthode d'apprentissage de représentations introduite par Le et Mikolov (2014) qui mappe des documents entiers vers des vecteurs denses de longueur fixe. Ces vecteurs positionnent les documents similaires à proximité les uns des autres dans l'espace, facilitant ainsi la comparaison et la classification de documents.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Doc2Vec Document Embeddings (Paragraph Vector). ScholarGate. https://scholargate.app/fr/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.
- GloVeFouille de textes↔ compare
- Analyse des sentimentsFouille de textes↔ compare
- Classification de texteFouille de textes↔ compare
- TF-IDFFouille de textes↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →