Transferno učenje sa Word2Vec-om
Transferno učenje sa Word2Vec-om koristi ugrađene vektore reči (word embeddings) prethodno obučene na velikim tekstualnim korpusima putem Skip-gram ili CBOW ciljeva, koje su uveli Mikolov et al. (2013), za inicijalizaciju sloja za ugrađivanje (embedding layer) nizvodnog NLP modela. Ovaj pristup prenosi distributivno semantičko znanje na zadatke gde su obeleženi podaci retki, dosledno nadmašujući nasumičnu inicijalizaciju.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Transfer Learning with Word2Vec Pre-trained Embeddings. ScholarGate. https://scholargate.app/sr/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.
- Fino podešeni Word2VecDuboko učenje↔ compare
- LDA modelovanje temaDuboko učenje↔ compare
- Рекурентна неуронска мрежаDuboko učenje↔ compare
- Ugrađivanje rečenicaDuboko učenje↔ compare
- Трансферно учење са класификацијом заснованом на BERT-уDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →