เปรียบเทียบวิธี

	Word2Vec	การจัดกลุ่มเอกสาร
สาขาวิชา	การทำเหมืองข้อความ	การทำเหมืองข้อความ
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	2013	—
ผู้ริเริ่ม	Tomas Mikolov et al.	—
ประเภท	Neural word-embedding model	Unsupervised text-mining task
แหล่งต้นตำรับ	Mikolov, T., Chen, K., Corrado, G. & Dean, J. (2013). Efficient Estimation of Word Representations in Vector Space.	Aggarwal, C. C. & Zhai, C. (2012). Mining Text Data. Springer. ISBN: 9781461432227
ชื่อเรียกอื่น	word embeddings, skip-gram, continuous bag-of-words, Word2Vec Kelime Gömülmeleri	text clustering, unsupervised text grouping, Belge Kümeleme (Document Clustering)
ที่เกี่ยวข้อง	4	4
สรุป	Word2Vec is a neural word-embedding technique introduced by Mikolov and colleagues in 2013 that maps each word in a text corpus to a dense numeric vector. Words that appear in similar contexts end up close together in the vector space, so the embeddings capture semantic similarity that can be measured arithmetically.	Document clustering is an unsupervised text-mining task that groups documents with similar content together without using any labels. It is used to organise large collections and for exploratory analysis, drawing on the body of text-mining techniques consolidated by Aggarwal and Zhai (2012) and compared empirically by Steinbach, Karypis and Kumar (2000).