Învățare prin transfer cu Word2Vec
Învățarea prin transfer cu Word2Vec utilizează embedding-uri de cuvinte pre-antrenate pe corpusuri mari de text prin obiectivele Skip-gram sau CBOW introduse de Mikolov et al. (2013) pentru a inițializa stratul de embedding al unui model NLP ulterior. Această abordare transferă cunoștințe semantice distribuționale către sarcini unde datele etichetate sunt rare, depășind în mod constant inițializarea aleatorie.
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., Sutskever, I., Chen, K., Corrado, G. S., & Dean, J. (2013). Distributed representations of words and phrases and their compositionality. Advances in Neural Information Processing Systems (NIPS), 26, 3111-3119. link ↗
- Kim, Y. (2014). Convolutional Neural Networks for Sentence Classification. Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), 1746-1751. DOI: 10.3115/v1/D14-1181 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Transfer Learning with Word2Vec Pre-trained Embeddings. ScholarGate. https://scholargate.app/ro/deep-learning/transfer-learning-with-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.
- Fine-Tuned Word2VecÎnvățare profundă↔ compare
- Model de Subiecte LDAÎnvățare profundă↔ compare
- Rețea Neuronală RecurentăÎnvățare profundă↔ compare
- Embeddings de propozițiiÎnvățare profundă↔ compare
- Învățare prin transfer cu clasificare bazată pe BERTÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →