-
Word2Vec을 학습하는 방법 중 하나.
-
CBOW가 뒤집어진 모델
CBOW와 입력층과 출력층이 반대로 구성되어 있다.
-
벡터의 평균을 구하는 과정이 없다.
-
CBOW보다 성능이 좋다고 알려져있다.
참고로 이 때의 성능은 학습 과정의 Loss가 아니라 임베딩 벡터의 표현력을 의미한다.
-
CBOW와 마찬가지로 Multi-Classification Model에 해당한다.
Word2Vec을 학습하는 방법 중 하나.
CBOW가 뒤집어진 모델
CBOW와 입력층과 출력층이 반대로 구성되어 있다.
벡터의 평균을 구하는 과정이 없다.
CBOW보다 성능이 좋다고 알려져있다.
참고로 이 때의 성능은 학습 과정의 Loss가 아니라 임베딩 벡터의 표현력을 의미한다.
CBOW와 마찬가지로 Multi-Classification Model에 해당한다.