Doc2Vec — Dokumentinbäddningar
Doc2Vec, även känt som Paragraph Vector, är en representationsinlärningsmetod som introducerades av Le och Mikolov (2014) som mappar hela dokument till täta vektorer av fast längd. Dessa vektorer placerar liknande dokument nära varandra i rummet, vilket stöder dokumentjämförelse och klassificering.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Le, Q. V. & Mikolov, T. (2014). Distributed Representations of Sentences and Documents. Proceedings of the 31st International Conference on Machine Learning (ICML), 1188-1196. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Doc2Vec Document Embeddings (Paragraph Vector). ScholarGate. https://scholargate.app/sv/text-mining/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.
- GloVe-inbäddningarTextutvinning↔ compare
- SentimentanalysTextutvinning↔ compare
- TextklassificeringTextutvinning↔ compare
- TF-IDFTextutvinning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →