Machine learningDeep learning / NLP / CV
半教師ありWord2Vec
半教師ありWord2Vecは、大規模なラベルなしコーパス上でWord2Vec（skip-gramまたはCBOW）を用いて密な単語表現を学習し、その後、それらの埋め込みを固定またはファインチューニング可能な入力特徴量として、少量のラベル付きデータセットで訓練された下流の分類器に利用します。この2段階のプロセスにより、ラベル付きデータが不足している場合でも、モデルは豊富なラベルなしテキストから恩恵を受けることができます。
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 ICLR 2013. link ↗
- Collobert, R., Weston, J., Bottou, L., Karlen, M., Kavukcuoglu, K., & Kuksa, P. (2011). Natural Language Processing (Almost) from Scratch. Journal of Machine Learning Research, 12, 2493–2537. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Learning with Word2Vec Word Embeddings. ScholarGate. https://scholargate.app/ja/deep-learning/semi-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.
- Fine-Tuned Word2Vec深層学習↔ compare
- LDAトピックモデル深層学習↔ compare
- 自己教師あり学習によるWord2Vec深層学習↔ compare
- Semi-supervised BERT-based Classification深層学習↔ compare
- 文埋め込み（Sentence Embeddings）深層学習↔ compare
- Word2Vecによる転移学習深層学習↔ compare