Machine learningDeep learning / NLP / CV
自己教師あり学習によるWord2Vec
Word2Vecは、Mikolovら（2013）によって導入された浅いニューラルネットワークモデルであり、自己教師あり学習の目的関数を用いて、大規模なラベルなしテキストコーパスから単語の密なベクトル表現を学習します。周囲の文脈単語を予測する（Skip-gram）か、文脈からターゲット単語を予測する（CBOW）ようにモデルを訓練することで、手動アノテーションなしに、連続的なベクトル空間で豊かな意味的・統語的規則性を捉えます。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Self-supervised Word2Vec (Skip-gram and CBOW with Self-supervised Objectives). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →