iPAS 考題解析在詞向量（Word Embedding）訓練方法中，GloVe（Global Vectors for Word Representation）與Word2Vec的主要差異為何？

解析

正確答案：C. Word2Vec為基於預測的模型，而GloVe為基於共現統計的模型

Word2Vec透過神經網路預測上下文（CBOW或Skip-gram），屬於基於預測的方法；GloVe則利用全局詞共現矩陣的統計資訊建立詞向量，屬於基於計數的方法。兩者的核心設計理念不同。

每個選項為什麼對或錯

• 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 錯誤選項

  描述顛倒，Word2Vec是預測型模型，GloVe才使用全局統計。

• 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 錯誤選項

  描述顛倒，全局統計矩陣是GloVe的特徵，Word2Vec使用神經網路預測。

• C Word2Vec為基於預測的模型，而GloVe為基於共現統計的模型 正解

  正確區分了Word2Vec（預測型）與GloVe（共現統計型）的本質差異。

• D Word2Vec僅能用於靜態文本語料，而GloVe可應用於即時語料更新 錯誤選項

  兩者在語料應用上並無此種限制，描述不正確。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。