เปรียบเทียบวิธี

	Word2Vec	การฝังเวกเตอร์ GloVe
สาขาวิชา	การทำเหมืองข้อความ	การทำเหมืองข้อความ
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	2013	2014
ผู้ริเริ่ม	Tomas Mikolov et al.	Pennington, Socher & Manning
ประเภท	Neural word-embedding model	Static word-embedding model
แหล่งต้นตำรับ	Mikolov, T., Chen, K., Corrado, G. & Dean, J. (2013). Efficient Estimation of Word Representations in Vector Space.	Pennington, J., Socher, R. & Manning, C. D. (2014). GloVe: Global Vectors for Word Representation. EMNLP.
ชื่อเรียกอื่น	word embeddings, skip-gram, continuous bag-of-words, Word2Vec Kelime Gömülmeleri	GloVe, global vectors, GloVe Kelime Gömülmeleri
ที่เกี่ยวข้อง	4	3
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.	GloVe (Global Vectors for Word Representation) is a static word-embedding model introduced by Pennington, Socher and Manning (2014) that learns word vectors directly from global word-word co-occurrence statistics gathered across an entire corpus. The resulting vectors place semantically related words close together and perform strongly on semantic analogy tasks.