Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Кластеризація документів× | Word2Vec× | |
|---|---|---|
| Галузь | Інтелектуальний аналіз тексту | Інтелектуальний аналіз тексту |
| Родина | Process / pipeline | Process / pipeline |
| Рік появи≠ | — | 2013 |
| Автор методу≠ | — | Tomas Mikolov et al. |
| Тип≠ | Unsupervised text-mining task | Neural word-embedding model |
| Основоположне джерело≠ | Aggarwal, C. C. & Zhai, C. (2012). Mining Text Data. Springer. ISBN: 9781461432227 | Mikolov, T., Chen, K., Corrado, G. & Dean, J. (2013). Efficient Estimation of Word Representations in Vector Space. link ↗ |
| Інші назви≠ | text clustering, unsupervised text grouping, Belge Kümeleme (Document Clustering) | word embeddings, skip-gram, continuous bag-of-words, Word2Vec Kelime Gömülmeleri |
| Пов'язані | 4 | 4 |
| Підсумок≠ | 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). | 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. |
| ScholarGateНабір даних ↗ |
|
|