阿摩線上測驗
4. 在詞向量(Word Embedding)訓練方法中，GloVe(Global Vectors for Word Representation)與 Word2Vec 的主要差異為何？
(A)Word2Vec 以詞頻權重訓練詞向量，而 GloVe 以隨機初始化向量進行學習；
(B)Word2Vec 以全局統計矩陣為基礎，而 GloVe 採用神經網路進行上下文預測；
(C)Word2Vec 為基於預測的模型，而 GloVe 為基於共現統計的模型；
(D)Word2Vec 僅能用於靜態文本語料，而 GloVe 可應用於即時語料更
答案：登入後查看
統計： A(6), B(2), C(12), D(0), E(0) #3773555
統計： A(6), B(2), C(12), D(0), E(0) #3773555
詳解 (共 1 筆)
hchungw
#7373109
解析：
Word2Vec 主要是「預測式模型」，常見方法有：
CBOW：
根據上下文預測中心詞。
根據上下文預測中心詞。
Skip-gram：
根據中心詞預測上下文。
根據中心詞預測上下文。
也就是說，Word2Vec 的核心概念是透過神經網路訓練，讓模型學會「哪些詞常出現在相似語境中」。
GloVe 則是「全局共現統計模型」。
GloVe 會先建立一個大型的詞彙共現矩陣，觀察詞與詞在整個語料庫中共同出現的統計關係，再根據這些全局統計資訊學習詞向量。
所以 GloVe 的重點是：
利用整體語料中的詞與詞共現次數，來建立詞語之間的語意關係。
0
0
