Doc2Vec — Document-embeddings
Doc2Vec, ook bekend als Paragraph Vector, is een methode voor representatie-leren, geïntroduceerd door Le en Mikolov (2014), die hele documenten afbeeldt op dense vectoren met een vaste lengte. Deze vectoren plaatsen vergelijkbare documenten dicht bij elkaar in de ruimte, wat documentvergelijking en -classificatie ondersteunt.
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), 1188-1196. link ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Doc2Vec Document Embeddings (Paragraph Vector). ScholarGate. https://scholargate.app/nl/text-mining/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.
- GloVe EmbeddingsText mining↔ compare
- SentimentanalyseText mining↔ compare
- TekstclassificatieText mining↔ compare
- TF-IDFText mining↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →