Word2Vec auto-supervizat
Word2Vec este un model de rețea neuronală superficială introdus de Mikolov et al. (2013) care învață reprezentări vectoriale dense ale cuvintelor din corpusuri mari de text nelabelate, utilizând obiective auto-supervizate. Prin antrenarea unui model pentru a prezice cuvintele contextuale înconjurătoare (Skip-gram) sau un cuvânt țintă din contextul său (CBOW), acesta captează bogate regularități semantice și sintactice în spațiul vectorial continuu, fără nicio adnotare manuală.
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
- Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. In Proceedings of the International Conference on Learning Representations (ICLR 2013). link ↗
- Mikolov, T., Sutskever, I., Chen, K., Corrado, G., & Dean, J. (2013). Distributed representations of words and phrases and their compositionality. In Advances in Neural Information Processing Systems (NeurIPS 2013), 26. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Self-supervised Word2Vec (Skip-gram and CBOW with Self-supervised Objectives). ScholarGate. https://scholargate.app/ro/deep-learning/self-supervised-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.
- FastTextÎnvățare profundă↔ compare
- GloVe EmbeddingsMineritul textelor↔ compare
- Rețea Neuronală RecurentăÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →