Machine learningDeep learning / NLP / CV
Self-supervised Word2Vec
Word2Vec은 2013년 Mikolov 등이 소개한 얕은 신경망 모델로, 대규모 비지도 텍스트 코퍼스를 사용하여 자체 지도 학습 목표(self-supervised objectives)를 통해 단어의 밀집 벡터 표현(dense vector representations)을 학습합니다. 주변 문맥 단어를 예측(Skip-gram)하거나 문맥으로부터 대상 단어를 예측(CBOW)하도록 모델을 훈련함으로써, 수동 주석 없이도 연속 벡터 공간에서 풍부한 의미론적 및 통사적 규칙성을 포착합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Self-supervised Word2Vec (Skip-gram and CBOW with Self-supervised Objectives). ScholarGate. https://scholargate.app/ko/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 →