iPAS 考題解析企業團隊在使用Word2Vec模型訓練客服文本語料時，若訓練資料量龐大且希望模型能更有效捕捉罕見詞的語意關聯，下列哪一種訓練策略最為適合？

解析

正確答案：C. 採用Skip-gram模型，利用中心詞預測周圍詞語，能更有效學習低頻詞關聯

Skip-gram以中心詞預測周圍詞，每個罕見詞被作為中心詞訓練，能積累足夠的更新信號；而CBOW以多個周圍詞的平均預測中心詞，對罕見詞（中心詞出現次數少）的訓練更新較少。因此Skip-gram對低頻詞有更好的表現。

每個選項為什麼對或錯

• A 採用Skip-gram模型，但以隨機初始化權重加快高頻詞的訓練收斂 錯誤選項

  隨機初始化與高頻詞收斂速度無直接關係，且這不是Skip-gram的優勢所在。

• B 採用CBOW模型（Continuous Bag of Words Model）並結合TF-IDF權重以強化低頻詞表示 錯誤選項

  CBOW對高頻詞效果好，但對罕見詞效果較差；TF-IDF加權不是標準Word2Vec訓練方式。

• C 採用Skip-gram模型，利用中心詞預測周圍詞語，能更有效學習低頻詞關聯 正解

  Skip-gram對罕見詞有更多訓練機會，能更有效捕捉罕見詞的語意關聯，正確。

• D 採用CBOW模型（Continuous Bag of Words Model），利用周圍詞預測中心詞，能提升罕見詞的語意穩定度 錯誤選項

  CBOW以周圍詞平均預測中心詞，對低頻的罕見詞更新信號較弱，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。