Embedding di parole GloVe — Global Vectors for Word Representation
GloVe (Global Vectors for Word Representation) è un modello di embedding di parole statico introdotto da Pennington, Socher e Manning (2014) che apprende vettori di parole direttamente dalle statistiche globali di co-occorrenza parola-parola raccolte sull'intero corpus. I vettori risultanti posizionano parole semanticamente correlate vicine tra loro e ottengono ottimi risultati nei compiti di analogia semantica.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Pennington, J., Socher, R. & Manning, C. D. (2014). GloVe: Global Vectors for Word Representation. EMNLP. DOI: 10.3115/v1/D14-1162 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). GloVe: Global Vectors for Word Representation. ScholarGate. https://scholargate.app/it/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.
- BERT EmbeddingsText mining↔ compare
- Analisi delle CollocazioniText mining↔ compare
- TF-IDFText mining↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →