> ML_ALGORITHM // CONTINUOUS-BAG-OF-WORDS-SKIPGRAM-WORD2VEC_v1.0
Word2Vec (CBOW ve Skip-Gram)
Kelime dağarcığı belirteçlerini doğrusal anlamsal ve sözdizimsel düzenlilikleri yakalayan yoğun vektör uzaylarına eşleyen öncü sinirsel kelime gömme tekniği.
Static Word Embeddingsself-supervisedhigh-intrinsiclarge (>100k)
Tüm Algoritmalara DönHesaplama Karmaşıklığı
Eğitim (Training):O(epochs * corpus_size * window * negative_samples)
Çıkarım (Inference):O(1) dictionary vector lookup
Donanım Karakteristiği
CPU Uygunluğu:Evet
GPU Zorunluluğu:Hayır
Bellek Ayak İzi:low
Açıklanabilirlik ve Veri
Açıklanabilirlik Düzeyi:high-intrinsic
Eğitim Verisi İhtiyacı:large (>100k)
Açıklanabilirlik Değerlendirmesi
Gömme vektörü geometrisi doğrusal anlamsal analojileri doğrudan sağlar (örneğin: Kral - Erkek + Kadın = Kraliçe).
Uygun Görevler ve Desteklenen Modaliteler
Uygun Görevler:
feature extractiontoken embedding
Desteklenen Modaliteler:
text
Uygulayıcı Kütüphaneler
Temel Literatür & Yayınlar
Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
- Çok anlamlı kelimelerin farklı anlamlarını tek bir statik vektöre indirgemek (ör. finansal banka ile nehir kıyısı)
- Kelime dağarcığı dışı (OOV) belirteçlerde sıfır vektör veya hata oluşması