Word2Vec בלמידה בפיקוח עצמי
Word2Vec הוא מודל רשת עצבית רדודה שהוצג על ידי מיקולוב ואחרים (Mikolov et al., 2013), הלומד ייצוגי וקטור צפופים של מילים מתוך קורפוסי טקסט גדולים ובלתי מתויגים, תוך שימוש במטרות למידה בפיקוח עצמי. על ידי אימון מודל לחזות מילות הקשר סביבתיות (Skip-gram) או מילת יעד מתוך ההקשר שלה (CBOW), הוא לוכד סדירויות סמנטיות ותחביריות עשירות במרחב וקטורי רציף ללא כל תיוג ידני.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. In Proceedings of the International Conference on Learning Representations (ICLR 2013). link ↗
- Mikolov, T., Sutskever, I., Chen, K., Corrado, G., & Dean, J. (2013). Distributed representations of words and phrases and their compositionality. In Advances in Neural Information Processing Systems (NeurIPS 2013), 26. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Self-supervised Word2Vec (Skip-gram and CBOW with Self-supervised Objectives). ScholarGate. https://scholargate.app/he/deep-learning/self-supervised-word2vec
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.
- FastTextלמידה עמוקה↔ compare
- ייצוגי GloVeכריית טקסט↔ compare
- רשת נוירונים רקורנטיתלמידה עמוקה↔ compare