Самообучающийся Word2Vec
Word2Vec — это поверхностная модель нейронной сети, представленная Миколовым и др. (2013), которая обучается плотным векторным представлениям слов из больших неразмеченных текстовых корпусов с использованием целей самообучения. Обучая модель предсказывать окружающие контекстные слова (Skip-gram) или целевое слово по его контексту (CBOW), она улавливает богатые семантические и синтаксические закономерности в непрерывном векторном пространстве без какой-либо ручной разметки.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Self-supervised Word2Vec (Skip-gram and CBOW with Self-supervised Objectives). ScholarGate. https://scholargate.app/ru/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.
- FastTextГлубокое обучение↔ compare
- Встраивания GloVeИнтеллектуальный анализ текста↔ compare
- Рекуррентная нейронная сетьГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →