GloVe — Vecteurs globaux de représentation de mots
GloVe (Global Vectors for Word Representation) est un modèle d'intégration de mots statique introduit par Pennington, Socher et Manning (2014) qui apprend des vecteurs de mots directement à partir des statistiques globales de cooccurrence mot-mot recueillies sur un corpus entier. Les vecteurs résultants placent les mots sémantiquement liés à proximité et obtiennent de bons résultats sur les tâches d'analogie sémantique.
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
- Pennington, J., Socher, R. & Manning, C. D. (2014). GloVe: Global Vectors for Word Representation. EMNLP. DOI: 10.3115/v1/D14-1162 ↗
Comment citer cette page
ScholarGate. (2026, June 1). GloVe: Global Vectors for Word Representation. ScholarGate. https://scholargate.app/fr/text-mining/glove-embeddings
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.
- Embeddings BERTFouille de textes↔ compare
- Analyse de collocationsFouille de textes↔ compare
- TF-IDFFouille de textes↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →