เปรียบเทียบวิธี

	Doc2Vec	การแพร่กระจายป้ายกำกับ
สาขาวิชา	การทำเหมืองข้อความ	การเรียนรู้ของเครื่อง
ตระกูล	Process / pipeline	Machine learning
ปีกำเนิด	2014	2002
ผู้ริเริ่ม	Quoc V. Le & Tomas Mikolov	Zhu, X. & Ghahramani, Z.
ประเภท	Document-embedding representation learning	Graph-based semi-supervised classification
แหล่งต้นตำรับ	Le, Q. V. & Mikolov, T. (2014). Distributed Representations of Sentences and Documents. Proceedings of the 31st International Conference on Machine Learning (ICML), 1188-1196.	Zhu, X., & Ghahramani, Z. (2002). Learning from labeled and unlabeled data with label propagation. Technical Report CMU-CALD-02-107, Carnegie Mellon University.
ชื่อเรียกอื่น	paragraph vector, document embeddings, Doc2Vec Belge Gömülmeleri	LP, label spreading, graph-based semi-supervised learning, harmonic label propagation
ที่เกี่ยวข้อง	4	3
สรุป	Doc2Vec, also known as Paragraph Vector, is a representation-learning method introduced by Le and Mikolov (2014) that maps whole documents to fixed-length dense vectors. These vectors place similar documents close together in space, supporting document comparison and classification.	Label Propagation is a graph-based semi-supervised learning algorithm introduced by Zhu and Ghahramani in 2002 that spreads class labels from a small set of labeled nodes to a large set of unlabeled nodes by iteratively diffusing label information along the edges of a similarity graph, exploiting the manifold structure of the data.