Overføringslæring med Word2Vec
Overføringslæring med Word2Vec bruker ord-innleiringer (word embeddings) som er forhåndstrent på store tekstkorpus via Skip-gram- eller CBOW-målene introdusert av Mikolov et al. (2013) for å initialisere innleiringslaget (embedding layer) i en nedstrøms NLP-modell. Denne tilnærmingen overfører distribusjonell semantisk kunnskap til oppgaver der merkede data er knappe, og presterer konsekvent bedre enn tilfeldig initialisering.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Transfer Learning with Word2Vec Pre-trained Embeddings. ScholarGate. https://scholargate.app/no/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.
- Finjustert Word2VecDyp læring↔ compare
- LDA emnemodellDyp læring↔ compare
- Residuelle nevrale nettverkDyp læring↔ compare
- SetningsembddingerDyp læring↔ compare
- Overføringslæring med BERT-basert klassifiseringDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →