Samonadzorovani Word2Vec
Word2Vec je plitki model umjetne neuronske mreže koji su predstavili Mikolov et al. (2013.) i koji uči guste vektorske reprezentacije riječi iz velikih neoznačenih tekstualnih korpusa koristeći samonadzorirane ciljeve. Trenirajući model da predviđa okolne kontekstualne riječi (Skip-gram) ili ciljnu riječ iz njezina konteksta (CBOW), on hvata bogate semantičke i sintaktičke pravilnosti u kontinuiranom vektorskom prostoru bez ikakve ručne anotacije.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Word2Vec (Skip-gram and CBOW with Self-supervised Objectives). ScholarGate. https://scholargate.app/hr/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.
- FastTextDuboko učenje↔ compare
- GloVe ugrađivanjaRudarenje teksta↔ compare
- Rekurentna neuronska mrežaDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →