1回答
从单词中创建新单词嵌入所需的单词
、、、、
我已经使用计数向量器为一些文本数据创建了word2vec。现在，我想将生成的单词(表示常见含义/方面)中的某些单词分组到新的单个单词中，从而找到新的word2vec表示。我该如何解决这个问题？1 0 0 1
# 2 1 0 1 0 0 0 0 1 1 0 1 0 我想将词袋中的某些单词分组到另一个单词中我应该如何继续获取新的所需的词嵌入？
浏览 17提问于2021-10-12得票数 1
我做了文字清理，删除了停止词。N克是我的特征。因此，我建立了一个频率矩阵，并建立了模型使用朴素贝叶斯。我的培训数据非常有限，所以我面临以下问题。当一个句子要我进行分类时，如果它的特征与训练中现有的特征不匹配，那么我的频率矢量就只有零。什么是理想规模的培训数据，以期待更好的结果？
浏览 4提问于2016-01-29得票数 0
回答已采纳
在训练seq2seq模型时，我想在嵌入层中启动一组预先训练的快速文本权重，目的之一是减少测试环境中的未知单词(这些未知单词不在训练集中)。由于预训练的快速文本模型词汇量较大，在测试环境中，未知词可以用快速文本的词汇向量来表示，在训练集中，这些向量应该与语义相似的词具有相似的方向。我想知道更新的嵌入权重是否会扭曲词之间的语义相似性关系，并破坏快速文本词汇外向量的表示？(并且，在初始嵌入层中更新的嵌入权
浏览 2提问于2017-05-19得票数 2
回答已采纳
我下载了一个"glove.txt“格式的单词嵌入训练，并将其作为gensim.models.keyedvectors.Word2VecKeyedVectors类型的模型导入，这要归功于下面的文档：
但是我想要一个
浏览 18提问于2021-03-10得票数 0
回答已采纳
1回答
我正在为NLP任务建立TensorFlow模型，并使用预先训练过的GLOW300d字向量/嵌入数据集。
显然，一些标记不能被解析为嵌入，因为没有包含在训练数据集中的词向量嵌入模型，例如稀有名称。我可以用0的向量替换那些标记，但是我不想把这些信息丢在地板上，我更愿意对它进行编码，并将其包含到我的训练数据中。比如说，我有“raijin”这个词，它不能作为嵌入向量来解析，那么如
浏览 5提问于2017-08-03得票数 3
回答已采纳
1回答
我遇到的问题是他们给我提供了一个有限的数据集。通常，科学文本使用复杂和不规则的单词，这些单词在预先训练的word2vec模型中是不存在的，比如谷歌新闻或推特，这些单词在文本的含义方面很有分量。所以我想知道，我能做些什么来使用这些预先训练的模型并预测新单词的含义？
浏览 5提问于2017-07-11得票数 0
1回答
但是每个单词都表示为一个向量。所以我们在输出层有V矢量。现在，我们要将softmax应用到这些向量中，得到维数V的向量，其中每个分量代表一个输入词出现的概率。但是，我们如何将softmax函数应用于向量呢？根据定义，软件极大函数只输入一个向量，但每个V向量都是选择的维数N。
📷
浏览 0提问于2023-04-26得票数 0
我正在学习图像匹配技术。我正在研究一种图像特征提取方法，如SIFT和匹配技术(如特征包)。我一直在读一些关于计算机视觉领域的文章，并且注意到他们一直在谈论“模型”。这个模型是什么?一个系统的作用是什么？他们谈论“学习模型”。这是什么意思？?谢谢
浏览 1提问于2014-07-14得票数 1
回答已采纳
我没有大量的数据来训练词语的相似性，例如，“热”比“冷”更类似于“温暖”。然而，我喜欢在一个相对较小的语料库~100个文档上对doc2vec进行培训，这样它就可以对我的领域特定文档进行分类。假设我只有4个训练医生，分别是“我喜欢热巧克力”、“我讨厌热巧克力”、“我喜欢热茶”和“我喜欢热蛋糕”。如果有一份测试文件“我喜欢热巧克力”，我想，doc2vec总是会返回“我喜欢热巧克力”。任何关于如何避免这种情况的建议，比如能够使用预先训练过的词嵌入，这样我就不需要冒险去训练“爱慕”，“恨”接近“
浏览 1提问于2020-02-18得票数 2
回答已采纳
1回答
我的工作是识别名词-形容词(或)关系的词嵌入。当然，我并不是只想把这一对词联系起来，但是这种技巧应该适用于所有的关系。我担心如果我给它更多的数据来训练(例如，最新的维基百科转储数据集)，它会学到更好的向量，但是额外的数据
浏览 2提问于2017-05-24得票数 0
1回答
如果我有一个word2vec模型，并且我使用它来嵌入训练和测试集中的所有单词。但用恰当的话说，在word2vec模型中并不包含。我可以随机选择一个向量作为所有合适单词的嵌入吗？
浏览 1提问于2017-10-25得票数 0
2回答
我已经用类别，方面，意见词和情感注释了数据。例如，对于下面的文本我有分类->食物，方面->苹果，意见词->tasty和情感->积极的。我有类似这种格式的训练数据。如何使用这种训练集训练支持向量机分类器？如何提取n字元、词性和情感词等特征来训练分类器？您能否建议使用机器学习算法进行基于这方面的情感分析的开始步骤？
浏览 0提问于2015-01-11得票数 3
1回答
我有一些关于Word2Vec的问题：
这些向量的元素是什么？如果我已经对每个词的意思都有文本，我可以使用Word2Vec来解决多义问题(state =管理单元与state =条件)吗？
浏览 0提问于2018-07-13得票数 1
回答已采纳
1回答
据我所知，典型的Doc2Vec实现(例如Gensim)首先训练单词向量，然后文档向量是固定的。此外，当将单个单词作为文件纳入培训数据时，这种结果能否通过典型的执行来实现？
浏览 0提问于2018-02-08得票数 3
我不明白在DBOW模式下如何使用gensim的 (dm=0)训练单词向量。我知道默认情况下，dbow_words=0是禁用它的。但是，当我们将dbow_words设置为1时会发生什么呢？在我对DBOW的理解中，上下文词是直接从段落向量中预测的。因此，模型的唯一参数是N p-dimensional段向量加上分类器的参数。但是多个源提示，在DBOW模式下，可以对word和doc向量进行联合训练。例如：
那么，这是怎么做到的呢？任何澄清都将是非常感谢的！注:对
浏览 1提问于2019-04-09得票数 1
回答已采纳
大多数单词嵌入并不是“查看”反义词。例如，在许多单词中，它们将“独立”和“独立”(例如)的向量放置得相当接近--实际上与“独立”和“自主”等同义词一样接近。因此，很容易将同义词识别为近距向量，但是如何识别反义词，或者通常与反义词一起工作？有一些罕见的论文试图开发嵌入算法“意识到”反义词(只是网络搜索词嵌入反义词)。但是我正在使用非常强大的标准，并且已经接受了大规模数据嵌入库的培训。
浏览 0提问于2019-09-22得票数 2
1回答
我正在使用GENSIM (word2vec)训练一个单词嵌入，并在KERAS的神经网络中使用训练好的模型。的预训练单词嵌入中。哪个更好？)这种方法可以吗？此外，对于这个词嵌入，权重在这个神经网络中是不可训练的。
浏览 18提问于2020-12-19得票数 1
3回答
字嵌入模型
、、、、
我一直在搜索并尝试实现一个词嵌入模型来预测单词之间的相似性。我有一个由3550个公司名称组成的数据集，其想法是用户可以提供一个新单词(这个词不在词汇表中)，并计算新名称与现有名称之间的相似性。然后，像BIOCHEMICAL这样的词最后变成了BIO CHEMIC，这个词被分成两个(前缀和词干词)。)之后，新的公司名称没有包含在词汇表中，那么我将再次创建模型，并计算出平均句子向量并再次保存。数据集的长度是否足以让word2vec“学习”单词之间的关系？考虑
浏览 5提问于2019-10-04得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
