Doc2Vec — Embeddings de Documentos
Doc2Vec, também conhecido como Paragraph Vector, é um método de aprendizado de representação introduzido por Le e Mikolov (2014) que mapeia documentos inteiros para vetores densos de comprimento fixo. Esses vetores colocam documentos semelhantes próximos uns dos outros no espaço, suportando a comparação e classificação de documentos.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Doc2Vec Document Embeddings (Paragraph Vector). ScholarGate. https://scholargate.app/pt/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 EmbeddingsMineração de texto↔ compare
- Análise de SentimentoMineração de texto↔ compare
- Classificação de TextoMineração de texto↔ compare
- TF-IDFMineração de texto↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →