Word2Vec vetë-i-mbikëqyrur
Word2Vec është një model i cekët i rrjetit neuronal i prezantuar nga Mikolov et al. (2013) që mëson përfaqësime të dendura vektoriale të fjalëve nga korpuse të mëdha tekstesh pa etiketë, duke përdorur objektiva vetë-i-mbikëqyrur. Duke trajnuar një model për të parashikuar fjalët e kontekstit përreth (Skip-gram) ose një fjalë target nga konteksti i saj (CBOW), ai kap rregullsi të pasura semantike dhe sintaktike në hapësirën e vazhdueshme vektoriale pa asnjë shënim manual.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Self-supervised Word2Vec (Skip-gram and CBOW with Self-supervised Objectives). ScholarGate. https://scholargate.app/sq/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.
- FastTextMësimi i thellë↔ compare
- GloVe EmbeddingsNxjerrja e tekstit↔ compare
- Rrjeti Nervor RekurentMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →