ScholarGate
Assistent
Machine learningDeep learning / NLP / CV

Multilingual Doc2Vec

Multilingual Doc2Vec utvider rammeverket Paragraph Vector fra Le og Mikolov (2014) til to eller flere språk, og trener dokumentnivå-innbygginger i et felles eller justert vektorrom slik at semantisk like dokumenter – uavhengig av språk – havner nær hverandre. Det muliggjør krysspråklig dokumenthenting, klassifisering og klyngeanalyse uten krav om parallelle korpus eller oversettelse.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Le, Q., & Mikolov, T. (2014). Distributed representations of sentences and documents. In Proceedings of the 31st International Conference on Machine Learning (ICML), PMLR 32(2), 1188–1196. link
  2. Multilingualism. Wikipedia. link

Slik siterer du denne siden

ScholarGate. (2026, June 3). Multilingual Paragraph Vector (Doc2Vec) Model. ScholarGate. https://scholargate.app/no/deep-learning/multilingual-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.

Compare side by side
ScholarGateMultilingual Doc2Vec (Multilingual Paragraph Vector (Doc2Vec) Model). Hentet 2026-06-15 fra https://scholargate.app/no/deep-learning/multilingual-doc2vec · Datasett: https://doi.org/10.5281/zenodo.20539026