Machine learningDeep learning / NLP / CV
준지도 학습 Word2Vec
준지도 학습 Word2Vec은 Word2Vec (skip-gram 또는 CBOW)을 사용하여 대규모 비지도 말뭉치에서 밀집된 단어 표현을 학습시킨 후, 해당 임베딩을 소규모 지도 데이터셋으로 학습된 다운스트림 분류기의 고정 또는 미세 조정 가능한 입력 특징으로 사용합니다. 이 두 단계 과정을 통해 레이블이 부족할 때 모델이 풍부한 비지도 텍스트의 이점을 누릴 수 있습니다.
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 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Semi-supervised Learning with Word2Vec Word Embeddings. ScholarGate. https://scholargate.app/ko/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 Word2Vec딥러닝↔ compare
- LDA 토픽 모델딥러닝↔ compare
- Self-supervised Word2Vec딥러닝↔ compare
- BERT 기반 준지도 학습 분류딥러닝↔ compare
- 문장 임베딩딥러닝↔ compare
- Word2Vec을 활용한 전이 학습딥러닝↔ compare