GloVe Embeddings — Global Vectors for Word Representation
GloVe (Global Vectors for Word Representation) is een statisch woord-embeddingmodel, geïntroduceerd door Pennington, Socher en Manning (2014), dat woordvectoren direct leert uit globale statistieken van woord-woord co-voorkomens, verzameld over een volledige corpus. De resulterende vectoren plaatsen semantisch gerelateerde woorden dicht bij elkaar en presteren sterk op semantische analogietaken.
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
- Pennington, J., Socher, R. & Manning, C. D. (2014). GloVe: Global Vectors for Word Representation. EMNLP. DOI: 10.3115/v1/D14-1162 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). GloVe: Global Vectors for Word Representation. ScholarGate. https://scholargate.app/nl/text-mining/glove-embeddings
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.
- BERT-inbeddingenText mining↔ compare
- CollocatieanalyseText mining↔ compare
- TF-IDFText mining↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →