Word2Vec के साथ ट्रांसफर लर्निंग
Word2Vec के साथ ट्रांसफर लर्निंग, Mikolov et al. (2013) द्वारा प्रस्तुत Skip-gram या CBOW उद्देश्यों के माध्यम से बड़े टेक्स्ट कॉर्पोरा पर पूर्व-प्रशिक्षित वर्ड एम्बेडिंग का उपयोग करती है ताकि डाउनस्ट्रीम NLP मॉडल की एम्बेडिंग परत को इनिशियलाइज़ किया जा सके। यह दृष्टिकोण उन कार्यों में वितरण संबंधी सिमेंटिक ज्ञान को स्थानांतरित करता है जहाँ लेबल किया गया डेटा दुर्लभ होता है, और यह यादृच्छिक इनिशियलाइज़ेशन से लगातार बेहतर प्रदर्शन करता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
स्रोत
- Mikolov, T., Sutskever, I., Chen, K., Corrado, G. S., & Dean, J. (2013). Distributed representations of words and phrases and their compositionality. Advances in Neural Information Processing Systems (NIPS), 26, 3111-3119. link ↗
- Kim, Y. (2014). Convolutional Neural Networks for Sentence Classification. Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), 1746-1751. DOI: 10.3115/v1/D14-1181 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Transfer Learning with Word2Vec Pre-trained Embeddings. ScholarGate. https://scholargate.app/hi/deep-learning/transfer-learning-with-word2vec
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- फाइन-ट्यून्ड वर्ड2वेकगहन अधिगम↔ तुलना करें
- एलडीए विषय मॉडलगहन अधिगम↔ तुलना करें
- पुनरावर्ती तंत्रिका नेटवर्कगहन अधिगम↔ तुलना करें
- वाक्य एम्बेडिंगगहन अधिगम↔ तुलना करें
- BERT-आधारित वर्गीकरण के साथ ट्रांसफर लर्निंगगहन अधिगम↔ तुलना करें