Multimodal Doc2Vec
Multimodal Doc2Vec เป็นการขยายกรอบการทำงานของ Doc2Vec paragraph-vector เพื่อรวมข้อมูลจากหลายรูปแบบเข้าด้วยกัน โดยทั่วไปคือข้อความร่วมกับรูปภาพ เสียง หรือข้อมูลเมตาที่มีโครงสร้าง เพื่อสร้างการฝังตัวระดับเอกสาร (document-level embedding) ที่ใช้ร่วมกัน ซึ่งสามารถจับความหมายจากหลายแหล่งพร้อมกันได้ วิธีนี้ใช้สำหรับการดึงข้อมูลข้ามรูปแบบ (cross-modal retrieval) การจำแนกประเภทหลายแหล่ง (multi-source classification) และการแทนเอกสารที่ข้อความเพียงอย่างเดียวไม่เพียงพอ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Le, Q. V., & Mikolov, T. (2014). Distributed Representations of Sentences and Documents. Proceedings of the 31st International Conference on Machine Learning (ICML), PMLR 32(2), 1188–1196. link ↗
- Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2011). Multimodal Deep Learning. Proceedings of the 28th International Conference on Machine Learning (ICML), 689–696. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multimodal Doc2Vec (Paragraph Vector with Multi-Source Input). ScholarGate. https://scholargate.app/th/deep-learning/multimodal-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.
- Doc2Vecการทำเหมืองข้อความ↔ compare
- การจำแนกประเภทแบบหลายรูปแบบโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- การฝังประโยคหลายรูปแบบการเรียนรู้เชิงลึก↔ compare
- Multimodal Transformerการเรียนรู้เชิงลึก↔ compare
- Multimodal Word2Vecการเรียนรู้เชิงลึก↔ compare
- Sentence Embeddingsการเรียนรู้เชิงลึก↔ compare