Machine learningDeep learning / NLP / CV
Word2Vec을 활용한 전이 학습
Word2Vec을 활용한 전이 학습은 Mikolov et al. (2013)이 소개한 Skip-gram 또는 CBOW 목표를 통해 대규모 텍스트 코퍼스에서 사전 학습된 워드 임베딩을 사용하여 다운스트림 NLP 모델의 임베딩 레이어를 초기화합니다. 이 접근 방식은 레이블된 데이터가 부족한 작업에 분포 의미론적 지식을 전이하여 무작위 초기화보다 일관되게 우수한 성능을 보입니다.
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., Sutskever, I., Chen, K., Corrado, G. S., & Dean, J. (2013). Distributed representations of words and phrases and their compositionality. Advances in Neural Information Processing Systems (NIPS), 26, 3111-3119. link ↗
- Kim, Y. (2014). Convolutional Neural Networks for Sentence Classification. Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), 1746-1751. DOI: 10.3115/v1/D14-1181 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Transfer Learning with Word2Vec Pre-trained Embeddings. ScholarGate. https://scholargate.app/ko/deep-learning/transfer-learning-with-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
- 순환 신경망딥러닝↔ compare
- 문장 임베딩딥러닝↔ compare
- BERT 기반 전이 학습을 이용한 분류딥러닝↔ compare