GloVe Embeddings — Vetores Globais para Representação de Palavras
GloVe (Global Vectors for Word Representation) é um modelo estático de *embedding* de palavras introduzido por Pennington, Socher e Manning (2014) que aprende vetores de palavras diretamente de estatísticas globais de coocorrência palavra-palavra coletadas em todo um corpus. Os vetores resultantes posicionam palavras semanticamente relacionadas próximas umas das outras e têm um desempenho forte em tarefas de analogia semântica.
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
- Pennington, J., Socher, R. & Manning, C. D. (2014). GloVe: Global Vectors for Word Representation. EMNLP. DOI: 10.3115/v1/D14-1162 ↗
Como citar esta página
ScholarGate. (2026, June 1). GloVe: Global Vectors for Word Representation. ScholarGate. https://scholargate.app/pt/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.
- Embeddings BERTMineração de texto↔ compare
- Análise de ColocaçãoMineração de texto↔ compare
- TF-IDFMineração de texto↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →