GloVe, encunyat a partir de Global Vectors, és un model per a la representació de paraules distribuïdes. El model és un algorismed'aprenentatge no supervisat per obtenir representacions vectorials de paraules. Això s'aconsegueix assignant paraules a un espai significatiu on la distància entre paraules està relacionada amb la similitud semàntica.[1] L'entrenament es realitza sobreestadístiques globals agregades deco-ocurrència paraula-paraula d'un corpus, i les representacions resultants mostren subestructures lineals interessants de l'espai vectorial de paraules. Es desenvolupa com un projecte decodi obert aStanford i es va llançar el 2014. Com a model de regressió log-bilineal per a l'aprenentatge no supervisat de representacions de paraules, combina les característiques de dues famílies de models, és a dir, la factorització matricial global i els mètodes de finestra de context local.[2]
GloVe es pot utilitzar per trobar relacions entre paraules com sinònims, relacions empresa-producte, codis postals i ciutats, etc. Tanmateix, l'algoritme d'aprenentatge no supervisat no és eficaç per identificar homògrafs, és a dir, paraules amb la mateixa grafia i significats diferents. Això passa perquè l'algorisme d'aprenentatge no supervisat calcula un únic conjunt de vectors per a paraules amb la mateixa estructura morfològica.[3] L'algorisme també l'utilitza la bibliotecaSpaCy per crear funcions d'inserció de paraules semàntiques, alhora que calcula les paraules de la llista superior que coincideixen amb mesures de distància com arala similitud del cosinus i l'enfocament dela distància euclidiana.[4] GloVe també es va utilitzar com a marc de representació de paraules per als sistemes en línia i fora de línia dissenyats per detectar malestar psicològic en les entrevistes amb pacients.[5]