Word2Vec Multimodal
Word2Vec Multimodal extinde cadrul clasic Word2Vec prin fundamentarea reprezentărilor cuvintelor în semnale perceptive — de obicei caracteristici de imagine — alături de statisticile distribuționale ale textului. Rezultatul constă în vectori de cuvinte care surprind atât tiparele de co-ocurență lingvistică, cât și semnificația vizuală, permițând judecăți de similaritate semantică mai bogate și performanțe mai bune la sarcini la nivel de concept, unde reprezentările pur bazate pe text sunt deficitare.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Multimodal Word2Vec (Cross-Modal Distributional Semantics). ScholarGate. https://scholargate.app/ro/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.
- Clasificare multimodală bazată pe BERTÎnvățare profundă↔ compare
- Multimodal Doc2VecÎnvățare profundă↔ compare
- Embeddings multimodale de propozițiiÎnvățare profundă↔ compare
- Transformer MultimodalÎnvățare profundă↔ compare
- Embeddings de propozițiiÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →