ScholarGate
Assistent
Machine learningDeep learning / NLP / CV

Multilingual Doc2Vec

Multilingual Doc2Vec utökar ramverket Paragraph Vector av Le och Mikolov (2014) till två eller flera språk, genom att träna inbäddningar på dokumentnivå i ett delat eller justerat vektorrum så att semantiskt liknande dokument – oavsett språk – hamnar nära varandra. Det möjliggör tvärspråklig dokumenthämtning, klassificering och klustring utan att kräva parallella korpusar eller översättning.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

The neighbourhood of related methods — select a node to explore.

Källor

  1. Le, Q., & Mikolov, T. (2014). Distributed representations of sentences and documents. In Proceedings of the 31st International Conference on Machine Learning (ICML), PMLR 32(2), 1188–1196. link
  2. Multilingualism. Wikipedia. link

Så citerar du den här sidan

ScholarGate. (2026, June 3). Multilingual Paragraph Vector (Doc2Vec) Model. ScholarGate. https://scholargate.app/sv/deep-learning/multilingual-doc2vec

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.

Compare side by side
ScholarGateMultilingual Doc2Vec (Multilingual Paragraph Vector (Doc2Vec) Model). Hämtad 2026-06-15 från https://scholargate.app/sv/deep-learning/multilingual-doc2vec · Datamängd: https://doi.org/10.5281/zenodo.20539026