Multimodal Word2Vec
Multimodal Word2Vec estende o framework clássico Word2Vec ao fundamentar representações de palavras em sinais perceptuais — tipicamente características de imagem — juntamente com estatísticas textuais distribucionais. O resultado são vetores de palavras que capturam tanto padrões de coocorrência linguística quanto significado visual, permitindo julgamentos de similaridade semântica mais ricos e melhor desempenho em tarefas de nível conceitual onde embeddings puramente baseados em texto falham.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Bruni, E., Tran, N.-K., & Baroni, M. (2014). Multimodal Distributional Semantics. Journal of Artificial Intelligence Research, 49, 1–47. DOI: 10.1613/jair.4135 ↗
- Mikolov, T., Sutskever, I., Chen, K., Corrado, G., & Dean, J. (2013). Distributed Representations of Words and Phrases and their Compositionality. Advances in Neural Information Processing Systems (NIPS), 26. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Multimodal Word2Vec (Cross-Modal Distributional Semantics). ScholarGate. https://scholargate.app/pt/deep-learning/multimodal-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.
- Classificação Multimodal Baseada em BERTAprendizado profundo↔ compare
- Multimodal Doc2VecAprendizado profundo↔ compare
- Embeddings Multimodais de FrasesAprendizado profundo↔ compare
- Transformer MultimodalAprendizado profundo↔ compare
- Embeddings de SentençasAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →