Multimodal Doc2Vec
Multimodal Doc2Vec breidt het Doc2Vec-raamwerk voor paragraafvectoren uit om informatie uit meer dan één modaliteit te incorporeren — doorgaans tekst naast afbeeldingen, audio of gestructureerde metadata — en produceert een gedeelde embedding op documentniveau die semantiek uit meerdere bronnen tegelijkertijd vastlegt. Het wordt gebruikt voor cross-modale retrieval, multi-source classificatie en documentrepresentatie waarbij tekst alleen onvoldoende is.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Le, Q. V., & Mikolov, T. (2014). Distributed Representations of Sentences and Documents. Proceedings of the 31st International Conference on Machine Learning (ICML), PMLR 32(2), 1188–1196. link ↗
- Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2011). Multimodal Deep Learning. Proceedings of the 28th International Conference on Machine Learning (ICML), 689–696. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Multimodal Doc2Vec (Paragraph Vector with Multi-Source Input). ScholarGate. https://scholargate.app/nl/deep-learning/multimodal-doc2vec
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.
- Doc2VecText mining↔ compare
- Multimodale BERT-gebaseerde classificatieDeep learning↔ compare
- Multimodale zinsinbeddingenDeep learning↔ compare
- Multimodale TransformerDeep learning↔ compare
- Multimodal Word2VecDeep learning↔ compare
- Sentence EmbeddingsDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →