Machine learningDeep learning / NLP / CV
领域自适应 Word2Vec
领域自适应 Word2Vec 在特定领域的文本语料库上训练或微调 Word2Vec 嵌入，以便词向量能够捕捉目标领域的专业词汇、语义关系和行话——例如临床医学、法律文本、财务报告或科学文献——而不是反映通用网络或新闻语言。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. In Proceedings of ICLR Workshop. link ↗
- 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. DOI: 10.18653/v1/N19-1423 ↗
如何引用本页
ScholarGate. (2026, June 3). Domain-Adaptive Word2Vec (Domain-Specific Word Embedding Training or Fine-Tuning). ScholarGate. https://scholargate.app/zh/deep-learning/domain-adaptive-word2vec
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 领域自适应句子嵌入 (Domain-Adaptive Sentence Embeddings)深度学习↔ 比较
- 微调 Word2Vec (Fine-Tuned Word2Vec)深度学习↔ 比较
- 句子嵌入深度学习↔ 比较
- 基于Word2Vec的迁移学习深度学习↔ 比较
- Word2Vec文本挖掘↔ 比较