词向量Word2Vec

图神经网络--论文精读

论文精读图神经网络论文精读摘要介绍问题定义学习表示算法代码实战加载百科词条，构建无向图训练Word2Vec模型摘要DeepWalk用于学习隐式表征的表示学习方法，将节点在图中的连接关系进行编码，形成稠密低维连续的向量空间
无盐薯片·2023-11-16 19:28

word2vec源码详解2

下面是看到的一篇解释word2vec代码的博客，转过来记记（第二部）（原文链接为：https://blog.csdn.net/EnochX/article/details/52852271）Word2Vec
云晕无·2023-11-15 18:49

【机器学习】word2vec学习笔记（三）：word2vec源码注释

1.word2vec地址官网地址：https://code.google.com/archive/p/word2vec/GitHub地址：https://github.com/tmikolov/word2vec2
长相忆兮长相忆·2023-11-15 18:17

【源码解析】Word2vec

有些还没有搞懂的部分，希望大家不吝赐教~源码地址：https://github.com/dav/word2vec/blob/master/src/word2vec.c//Copyright2013GoogleInc.AllRightsReserved
Stephen_DC·2023-11-15 18:45

秋招算法岗，面试复盘

一、科大讯飞（NLP）简要介绍自己Python里面哈希表对应哪种结构，是如何解决哈希冲突的DSSM模型和ESIM模型的区别Word2vec原理，word2vec和fasttext原理上的区别Bert原理
文文学霸·2023-11-14 22:36

竞赛选题 深度学习的智能中文对话问答机器人

4.2损失函数：4.3搭建seq2seq框架：4.4测试部分：4.5评价NLP测试效果：4.6梯度截断，防止梯度爆炸4.7模型保存5重点和难点5.1函数5.2变量6相关参数7桶机制7.1处理数据集7.2词向量处理
laafeer·2023-11-14 17:24

【nlp】1文本预处理总括目录（附各章节链接）

文本预处理1.文本预处理机器作用2.文本预处理包含的主要环节2.1文本处理的基本方法2.1.1分词2.1.2词性标注2.2.3命名实体标注2.2文本张量表示方法2.2.1one-hot编码2.2.2Word2vec2.2.3WordEmbedding2.3
lys_828·2023-11-13 17:56

【nlp】1.2文本张量表示方法(词向量word2seq和词嵌入Word Embedding)

文本张量的表示方法1one-hot词向量表示1.1实操演示1.2one-hot编码使用1.3one-hot编码的优劣势2word2vec模型2.1模型介绍2.2word2dev的训练和使用2.2.1数据集的下载与预处理
lys_828·2023-11-13 17:23

机器学习数据预处理——Word2Vec的使用

引言：Word2Vec是一种强大的词向量表示方法，通常通过训练神经网络来学习词汇中的词语嵌入。它可以捕捉词语之间的语义关系，对于许多自然语言处理任务，包括情感分析，都表现出色。
halo0416·2023-11-13 13:33

动手复现Node2Vec代码并实现可视化分析

聚类可视化对edge做embedding动手实现node2vec(核心：aliassampling算法)导入工具包输入基本参数信息载入图AliasSampling生成随机游走序列采样得到所有随机游走序列利用word2vec
总是重复名字我很烦啊·2023-11-13 05:10

01_文本向量表示(one-hot,TF-IDF,Embedding)学习总结(不对的地方欢迎留言指正)

文本表示分为离散表示和分布式表示，离散表示代表有词袋模型，One-hot向量，TF-IDF，n-gram这些都可以看作词袋子模型，分布式表示也叫做词嵌入，经典的模型有word2vec，包括后来的ELMO
竹林风w·2023-11-13 03:52

NLP-词向量-发展：词袋模型【onehot、tf-idf】 -＞ 主题模型【LSA、LDA】 -＞ 词向量静态表征【Word2vec、GloVe、FastText】 -＞ 词向量动态表征【Bert】

NLP-词向量-发展：词袋模型【onehot、tf-idf】主题模型【LSA、LDA】基于词向量的静态表征【Word2vec、GloVe、FastText】基于词向量的动态表征【Bert】一、词袋模型（
u013250861·2023-11-13 03:21

22[NLP训练营]Word2Vec

文章目录GlobalGenerationvsLocalGenerationIntuitionofWord2Vec参数θ目标函数的形式AnotherFormulationNegativeSamplingSG
oldmao_2000·2023-11-13 03:49

#最全面# NLP获取词向量的方法（Glove、n-gram、word2vec、fastText、ELMo 对比分析）

文章目录1Glove-基于统计方法1.1实现步骤1.2优点1.3存在的问题2基于语言模型的方法2.1基于n-gram的语言模型2.2基于神经网络的语言模型2.2.1word2vec2.2.2fastText2.2.3ELMo1
energy_百分百·2023-11-13 03:18

[NLP]高级词向量表达之Word2vec详解（知识点全覆盖）

1、词表征(WordRepresentation)首先明确句子是序列化，里面携带了大量大信息。在NLP发展的进程里面，采用了one-hotvector的形式来表示一个句子里面的词是一种方式。表示这个句子的方式如下：1、首先是创建一张词汇表(Vocabulary)，然后每个词都有对应的位置，假设现在我们有10000个单词。本例子来自于吴恩达的Deeplearningai。图中所示的词汇表大小就是10
一种tang两种味·2023-11-13 03:48

用更简单的语言来解释Word2Vec

Word2Vec是一种让计算机更好地理解自然语言（比如英语）的方法。它的核心思想是将文本中的单词用一串数字（向量）来表示，这样计算机就能更容易地处理这些单词。
chunmiao3032·2023-11-13 03:18

ELMo模型、word2vec、独热编码（one-hot编码）的优缺点进行对比

下面是对ELMo模型、word2vec和独热编码（one-hot编码）的优缺点进行对比：独热编码（One-hotEncoding）：优点：简单，易于理解。适用于词汇表较小的场景。缺点：高维度。
chunmiao3032·2023-11-13 03:46

Transformer和ELMo模型、word2vec、独热编码（one-hot编码）之间的关系

下面简要概述了Transformer和ELMo模型、word2vec、独热编码（one-hot编码）之间的关系：独热编码（One-hotEncoding）是一种最基本的词表示方法，将词表示为高维稀疏向量
chunmiao3032·2023-11-13 03:46

个人总结：机器学习模型评估与调优 余弦相似度 余弦距离 欧氏距离 A/B测试 交叉验证 自助法 | 网格搜索 随机搜索 贝叶斯优化 过拟合欠拟合

当一对文本在长度相似度很大，但内容相近时，如果使用词频或者词向量作为特征，它们在特征空间的欧氏距离通常很大；而如果使用余弦相似度的话，它们之间的夹角可能很小，因而相似度高。如果希望得到类似于距离的
yyhhlancelot·2023-11-11 22:00

NLP_task4文本表示_CBOW和Skip-gram模型

Word2Vec模型中，主要有Skip-Gram和CBOW两种模型，从直观上理解，Skip-Gram是给定inputword来预测上下文。而CBOW是给定上下文，来预测inputword。
沐漜·2023-11-11 19:20

word2vec常见考点

因为每次会更新context(w)的词向量，而Skip-gram只更新核心词的词向量。两者的预测时间复杂度分别是O(V)，O(KV)(2)Skip-gram对低频词效果比CBOW好。
frostjsy·2023-11-11 19:17

文本处理——Word2Vec之 Skip-Gram 模型（三）

博文地址：https://zhuanlan.zhihu.com/p/27234078原文英文文档请参考链接：-Word2VecTutorial-TheSkip-GramModel-Word2Vec(Part1
修炼打怪的小乌龟·2023-11-11 19:16

[深度学习] Word2vec 之 Skip-Gram 模型（训练篇）

在第一部分讲解完成后，我们会发现Word2Vec模型是一个超级大的神经网络（权重矩阵规模非常大）。举个栗子，我们拥有10000个单词的词汇表，我们如果想嵌入300维的词
1.02^365的成长裂变·2023-11-11 19:16

【LLM_03】自然语言处理基础_1

搜索引擎的基本工作原理3、知识图谱的构建4、应用二、词表示与语言模型1、词表示2、上下文3、语言模型4、神经网络在语言模型的应用三、神经网络1、神经网络基本组成元素2、如何训练神经网络3、计算图的概念4、word2vec
fzu-wenxin·2023-11-11 16:28

主题模型LDA教程：一致性得分coherence score方法对比（umass、c_v、uci）

文章目录主题建模潜在迪利克雷分配（LDA）一致性得分coherencescore1.CV一致性得分2.UMass一致性得分3.UCI一致性得分4.Word2vec一致性得分5.选择最佳一致性得分主题建模主题建模是一种机器学习和自然语言处理技术
Cachel wood·2023-11-11 14:40

《深度学习进阶：自然语言处理》第7章 基于RNN生成文本

《深度学习进阶：自然语言处理》啃书系列  第2章自然语言和单词的分布式表示  第3章word2vec  第4章word2vec的高速化  第5章RNN  第6章GatedRNN  第7章基于RNN生成文本
芒狗狗MangoGO·2023-11-11 10:34

机器学习——CBOW负采样(纯理解）

给我顿悟的是CSDN的一篇文章Word2Vec详解-公式推导以及代码CSDN啊，听大神一席话，如长夜得明灯啊！倒
# JFZero·2023-11-11 07:33

计算机毕设 基于机器学习的文本聚类 - 可用于舆情分析

文章目录0简介1项目介绍1.1提取文本特征1.2聚类算法选择2代码实现2.1中文文本预处理2.2特征提取2.2.1Tf-idf2.2.2word2vec2.3聚类算法2.3.1k-means2.3.2DBSCAN2.4
DanCheng-studio·2023-11-11 00:18

深度学习(CNN+RNN)笔记2

RNN、GRU、LSTM、双向RNN、深度RNN】第二周：自然语言处理与词嵌入（NaturalLanguageProcessingandWordEmbeddings）【词嵌入、嵌入矩阵、学习词嵌入、Word2Vec
夜中听雪·2023-11-09 16:36

负采样：如何高效训练词向量

负采样的目标是降低计算成本并改善模型的性能，同时有效地训练词向量。
oveZ·2023-11-08 21:20

【大模型应用开发教程】04_大模型开发整体流程 & 基于个人知识库的问答助手 项目流程架构解析

2.将文档词向量化3.将
Taylor_29511·2023-11-07 23:07

计算文本相似度，输出相似度最高的n个

目录配置创建虚拟环境下载TFidf概念代码word2vec概念模型代码结果SpaCy概念模型代码结果Bert概念模型代码结果对比配置创建虚拟环境python3.9condacreate-npy39python
蓝净云·2023-11-07 10:18

自然语言处理基本任务综述

文章目录1.多语言分词2.词性标注3.命名实体识别4.中心词提取5.依存句法分析6.文本纠错7.文本摘要8.文本相似度9.情感分析10.文本分类11.词向量1.多语言分词在自然语言处理中，分词（Tokenization
落叶随峰·2023-11-07 06:35

Word embedding及word2Vec介绍

Wordembedding是很受欢迎的一种文档词汇表。它能够获取文档中单词的上下文，语义和句法相似性，与其他单词的关系等。它是一种语言建模技术，用于将词映射到实数向量。它代表向量空间中具有多个维度的单词或短语。可以使用各种方法（如神经网络，共现矩阵，概率模型等）来生成单词嵌入。以下面句子为例：HaveagooddayandHaveagreatday。它们意思相同。如果我们构建一个详尽的词汇表（我们
leon_kbl·2023-11-06 07:41

来自Transformers的双向编码器表示（BERT）

word2vec和GloVe等词嵌入模型与上下文无关。它们将相同的预训练向量赋给同一个词，而不考虑词的上下文（如果有的话）。它们很难处理好自然语言中的一词多义或复杂语义。
流萤数点·2023-11-06 03:37

PyTorch框架的中LSTM的输入和输出

torch.nn.LSTM()1.输入的参数列表说明：input_size:输入数据的特征维度，（单变量=1,embedding=【词向量的表示维度】）hidden_size:LSTM隐层的维度num_layers
小维_·2023-11-05 17:26

Sklearn中CountVectorizer的简单理解

简单理解是一个文本特征提取方法，将文本转成词频矩阵，只考虑每个词出现的频率，不考虑词的前后关系（考虑前后关系的是word2vec）。
我都学杂了。。。·2023-11-05 13:13

【新人赛】阿里云恶意程序检测每周总结——混淆矩阵&word2vec

文章目录调整随机种子和取平均打印混淆矩阵添加第4类数据word2vecngram和word2vec向量拼接调整随机种子和取平均ngram(ngram_range(1,3))、subsample=1、10
solejay·2023-11-05 06:15

机器学习之Word2Vec

本文为作者学习Word2Vec算法后的整理笔记，仅供学习使用！1、概述Word2vec是Geogle公司2013年开源的一款用于训练词向量的软件工具。
Jayden Huang·2023-11-03 05:42

wiki中文语料+word2vec (python3.5 windows win7)

环境：win7+python3.51.下载wiki中文分词语料使用迅雷下载会快不少，大小为1个多Ghttps://dumps.wikimedia.org/zhwiki/latest/zhwiki-latest-pages-articles.xml.bz22.安装opencc用于中文的简繁替换安装exe的版本到https://bintray.com/package/files/byvoid/open
deex13491·2023-11-03 05:39

基于sentencepiece工具和unicode编码两种编码分词的word2vec（CBOW，Skip-gram）词向量训练，并结合TextCNN模型，替换初始词向量进行文本分类任务

基于sentencepiece工具和unicode编码两种编码分词的word2vec（CBOW，Skip-gram）词向量训练，并结合TextCNN模型，替换初始词向量进行文本分类任务博主这次做的实验很难
Mr Gao·2023-11-02 22:25

Python自然语言处理实战（7）：文本向量化

当前阶段，对文本向量化大部分的研究都是通过词向量化实现的。与此同时，也有相当一部分研究者将句子作为文本处理的基本单元，于是产生了doc2
CopperDong·2023-11-02 04:37

构建Transformer模型 | 在wikiText-2数据集上训练一个语言模型

0Introduction自然语言处理通用解决方案需要熟悉word2Vec,了解词向量如何建模重点在于Transformer网络架构，BERT训练方法，实际应用开源项目，都是现成的，套用进去就OK了提供预训练模型
Eva215665·2023-11-01 20:17

「自然语言处理（NLP）」入门系列（三）单词表示、损失优化、文本标记化？

来源：AINLPer微信公众号（点击了解一下吧）编辑:ShuYini校稿:ShuYini时间:2020-01-09本次主要内容:1、知道词向量如何表示单词意思2、如何可视化词向量3、损失函数与优化4、文本标记化
AINLPer·2023-11-01 18:08

深度学习～循环神经网络RNN, LSTM

比如，NLP领域中，我们输入单词经常使用embedding，将单词映射为词向量，然后
天狼啸月1990·2023-11-01 09:20

人工智能AI 全栈体系（九）

1.从句子理解说起上次讲了用词向量表示词，一句话也可以表示为一个向量。
柠檬小帽·2023-10-31 18:07

spacy 英文模型下载_spaCy2.1中文模型包

本包提供适用于spaCy2.1的中文预训练模型，包括词向量、词性标注、依存分析和命名实体识别，由汇智网整理提供。
weixin_39777242·2023-10-31 11:18

【手撕算法】【NLP】【Embedding】word2vec原理，代码实现

3.2.什么是word2vec？
拾夕er·2023-10-29 14:21

【Gensim概念】02/3 NLP玩转 word2vec

第二部分句法六、句法模型（类对象和参数）6.1数据集的句子查看classgensim.models.word2vec.BrownCorpus(dirname)Bases:object迭代句子Browncorpus
无水先生·2023-10-29 09:18

word2vec训练优化之Negative Sampling

回顾一下word2vec的训练trick之一：分层softmax。缺点就是：1.对于词袋大小V如果V非常大，即使是构建哈夫曼树，复杂度也会很高，所以提出使用负采样。
#苦行僧·2023-10-29 09:34
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他