เปรียบเทียบวิธี

	Word2Vec ที่มีการดูแลแบบอ่อนน้อย	การจำแนกประเภทโดยใช้ BERT
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2013–2016	2019
ผู้ริเริ่ม	Mikolov et al. (Word2Vec); weak supervision framework: Ratner et al.	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (Google AI Language)
ประเภท	Word embedding with noisy/programmatic labels	Pre-trained language model with fine-tuning
แหล่งต้นตำรับ	Mikolov, T., Sutskever, I., Chen, K., Corrado, G., & Dean, J. (2013). Distributed representations of words and phrases and their compositionality. Advances in Neural Information Processing Systems, 26.	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of NAACL-HLT 2019 (pp. 4171–4186). Association for Computational Linguistics.
ชื่อเรียกอื่น	WS-Word2Vec, weakly-supervised word embeddings, weak-label Word2Vec, semi-noisy Word2Vec	BERT classifier, BERT fine-tuning for classification, BERT text classification, BERT-CLS
ที่เกี่ยวข้อง	6	4
สรุป	Weakly Supervised Word2Vec trains Word2Vec-style embeddings using automatically generated, noisy, or heuristic labels rather than costly manual annotation. By leveraging labeling functions, distant supervision, or keyword-based rules to assign soft labels, the approach enables domain-adapted word representations even when large manually annotated corpora are unavailable.	BERT-based Classification fine-tunes Google's Bidirectional Encoder Representations from Transformers model on a labelled text dataset, replacing the generic pre-trained head with a task-specific classification layer. It exploits deep bidirectional context from hundreds of millions of pre-trained parameters to deliver state-of-the-art accuracy on short- and medium-length text classification tasks with relatively modest amounts of labelled data.