Glove词向量

基于word2vec的k-means聚类

1.将txt文本用word2vec将每个词转换成词向量2.将300维度的词向量用pca转换为2维3.将2维的数据作为k-means聚类的输入text.txt：作为训练的文本（最好是英文，如果是中文的话可以再用
ddy-ddy·2022-12-01 08:43

文本处理——基于 word2vec 和 CNN 的文本分类 ：综述 &； 实践（一）

基于词向量和卷积神经网络的文本分
javastart·2022-12-01 08:33

商品评价实体情感识别项目

本项目采用实体预测和情感预测双模块结构，经过bert分词之后词向量分为两份，其中一份用来进行实体识别任务，另一份用来进行情感分类任务。第一步：数据预处理 首先观察数据，原始数据都是以文件夹的形式
能吃胖的晨星·2022-12-01 04:54

CasRel关系抽取项目

用bert分词之后词向量先预测主题subject位置，然后将预测位置的词向量加到整个句子的词向量得到新的词向量，通过新的词向量来预测此主体对应的客体和其对应关系。
能吃胖的晨星·2022-12-01 04:10

nlp入门

1.数据预处理2.分词工具jiebahanlp等3.机器学习相关内容梯度下降、优化器、损失函数等4.深度学习框架tensorflowpytorch（推荐）5.词向量的训练和嵌入word2vec、glove
饿了就干饭·2022-12-01 00:33

NLP基础：检索式问答系统实战

2.2.2单词频率统计2.2.3Top10单词统计2.3对qlist进行预处理2.4文本TF-IDF表示2.5返回最匹配的TOP5答案3.基于倒排表的优化3.1建立倒排表3.2利用倒排表进行优化4.基于词向量的文本表示
CQU-XJTU-Mr. Wu·2022-12-01 00:29

文本匹配实战：基于Glove+RNN实现文本匹配 详细教程

任务描述:文本匹配是自然语言处理中一个非常核心的任务，主要目的是研究两段文本之间的关系。许多自然语言处理任务在很大程度上都可以抽象成文本匹配问题，比如信息检索可以归结为搜索词和文档资源的匹配，问答系统可以归结为问题和候选答案的匹配，复述问题可以归结为两个同义句的匹配，对话系统可以归结为前一句对话和回复的匹配，机器翻译则可以归结为两种语言的匹配。数据集：https://download.csdn.n
数学是算法的灵魂·2022-12-01 00:24

位置编码

目前有三种主流的技术可以解决：用正弦位置编码（SinusoidalPositionEncoding）学习位置向量（类似词向量）相对位置表达（RelativePositionRepresentations
小镇大爱·2022-11-30 21:07

机器学习——朴素贝叶斯算法

朴素贝叶斯算法贝叶斯定理正向概率和逆向概率条件概率与全概率贝叶斯公式推导极大似然估计朴素贝叶斯分类器朴素可能性函数的作用拉普拉斯修正防溢出策略样例解释代码——使用拉普拉斯进行垃圾邮件分类构建文本向量从词向量到计算概率朴素贝叶斯分类器分类函数垃圾邮件分类总结朴素贝叶斯是有监督学习的一种分类算法
摆脱咸鱼·2022-11-30 16:50

天池小布助手对话短文本语义匹配-文本二分类实践（pytorch）

检测两个句子是否表达是同一个意思，模型数据来自天池全球人工智能技术创新大赛【赛道三】详情数据格式：模型：textcnn,lstm,lstm+attention最后选择用最后一种方法步骤：1.如果想利用词向量模型训练的结果做
路新航·2022-11-30 14:07

自然语言处理-词向量与相关应用

计算机处理图像和文字的实质是在向量矩阵等基础上将其转化为数字，然后计算搜索的内容和库内容信息的匹配度文字--->数值向量算法案例：词编码：N-gram权重：TF-IDF---->word2vec---->sense2vec-----------------------------------------------------------------------------------------
JQW_FY·2022-11-30 03:13

自然语言处理--词向量

一、词向量词向量（WordEmbedding）是表示自然语言里单词的一种方法，即把每个词都表示为一个N维空间内的点，即一个高维空间内的向量。通过这种方法，实现把自然语言计算转换为向量计算。
XYHN13·2022-11-30 03:35

机器学习-分类算法实战-使用朴素贝叶斯分类器过滤垃圾邮件

充分利用Python的文本处理能力将文档拆分为词向量。这将用于对文本进行分类。
LyShay·2022-11-30 01:29

[机器学习实战]--朴素贝叶斯过滤垃圾邮件

我们将充分利用python的文本处理能力将文档切分成词向量，然后利用词向量对文档进行分类。还将构造分类器观察其在真实的垃圾邮件数据集中的过滤效果。
chenshengta6990·2022-11-30 00:51

机器学习——朴素贝叶斯算法

目录一、朴素贝叶斯理论1.1基于贝叶斯决策理论的分类方法1.2条件概率编辑1.3全概率公式编辑1.4朴素贝叶斯分类器二、贝叶斯分类器简单应用三、使用朴素贝叶斯进行文档分类3.1准备数据：从文本中构建词向量
装进了牛奶箱中·2022-11-29 19:37

机器学习（四）朴素贝叶斯算法

贝叶斯定理有什么用1.2贝叶斯公式2.朴素贝叶斯分类器2.1朴素贝叶斯公式2.2拉普拉斯修正2.3防溢出策略3.朴素贝叶斯算法实例-过滤垃圾邮件3.1问题分析3.2代码实现3.2.1准备数据3.2.2训练算法：从词向量计算概率
Ag11·2022-11-29 18:45

torch.nn.embedding()大致使用方法

碰到了这个东西，有点不太清楚，在这里记下笔记将nn.embedding理解为学习一个词向量的表示，每一个词都会对应一个指定维度的单独的向量表示（embed_dim在GRU等模型的输入中，可以认为是input_size
chaiiiiiiiiiiiiiiiii·2022-11-29 17:24

11月28日九十节作业（自然语言处理-词向量）学习总结

一、词向量是表示自然语言里单词的一种方法，是自然语言处理的重要基础和前提二、把词转化为向量：EmbeddingLookup：用一个特定的表格（也可以用词典的数据结构，但对计算效率有影响）来储存特定词语的向量
Together.733·2022-11-29 13:57

NLP面试常考题（以前面试被问得题，答案为个人理解，仅供参考）

面试常考题（答案为个人理解，仅供参考）1:词向量是什么,有哪些方式生成词向量,句子的词向量是什么?
那年夏天那缕光·2022-11-29 11:56

NLP深入学习——什么是词向量和句向量（Word Embedding and Sentence Embedding）

文章目录返回主目录词向量（WordEmbedding）句向量（SentenceEmbedding）①Averging法则②LSTM/RNN返回主目录这是一个系列的文章，点击返回综合目录页词向量（WordEmbedding
superbfiy·2022-11-29 10:34

词向量训练实战——Word2vector、Glove、Doc2vector

目录一、基于gensim（版本：3.8.3）的Word2vector1、模型训练2、模型使用：获取词、词向量、词之间词向量比较等3、word2vector的保存和加载2、Glove3、补充句向量：Doc2Vec
lucky_chaichai·2022-11-29 10:30

自然语言处理（词向量——Word Embedding）总结

目录一、什么是词向量1.1离散表示（one-hotrepresentation）1.2分布式表示（distributionrepresentation）二、如何生成词向量三、如何让向量具有语义信息四、CBOW
spiritqi·2022-11-29 10:19

PaddlePaddle自然语言处理总结

11月28日week14周一910节物联2012008070101本文总结：1.介绍词向量引入对自然语言处理有着至关重要的作用；2.介绍了word2vec算法；3.介绍CBOW算法的实现；4.介绍Skip-Gram
睡觉特早头发特多·2022-11-29 07:29

自然语言处理学习总结

1、将语义信息转化为向量2、使用一个单词的上下文来了解这个单词的语义（word2vec算法）CBOW：在学习过程中，使用上下文的词向量推理中心词，这样中心词的语义就被传递到上下文的词向量中，如“Spiked
m0_51230343·2022-11-29 07:58

文本表征 Text Representation

基于one-hot、tf-idf、textrank等的bag-of-words；主题模型：LSA（SVD）、pLSA、LDA；基于词向量的固定表征：Word2vec、FastText、GloVe基于词向量的动态表征
jzwei023·2022-11-29 06:16

利用Word2Vec在语料中构建种子词集同类词

步骤：1）对语料库建立word2vec词向量模型；2）利用gensim.model联动的词汇相似
Papaya沐·2022-11-28 18:43

词向量实践（gensim）

词向量训练步骤：分词并去停用词词频过滤训练项目完整地址：https://github.com/cyandn/practice/tree/master/Word2Vecgensim中Word2Vec参数解释
dazha4426·2022-11-28 18:38

word2vec词向量 文本分类实现（TensorFlow版，算法TextCNN）

之前也写过word2vec词向量文本分类实现，不过那是基于Keras。今天来写下tensoflow版的代码。再来感受下它的魅力。
总裁余(余登武)·2022-11-28 12:07

Python深度学习12——Keras实现注意力机制(self-attention)中文的文本情感分类（详细注释）

但是使用函数API也可以实现，Keras处理文本并且转化为词向量也很方便。本文使用了一个外卖评价的数据集，标签是0和1，1代表好评，0代表差评。
阡之尘埃·2022-11-28 08:44

准备NLP面试问题

文章目录word2vecglove你知道几种词向量的方法？你认为为什么BERT能达到这么好的效果？注意力机制你了解多少，或者说你了解哪几种？
kukufufu·2022-11-27 20:08

word2vec 相关论文

原论文:Mikolov等人在2013年的文献[1]中,同时提出了CBOW(ContinuousBagof-Words)和Skip-gram模型.他们设计两个模型的主要目的是希望用更高效的方法获取词向量。
JackComeOn·2022-11-27 19:59

Word2Vec原论文阅读

Word2Vec原论文阅读一、背景Word2Vec是自然语言处理、文本表示学习的典型模型，首次提出了CBOW、Skip-gram等目前仍在沿用的词向量学习思想，也是除了预训练模型生成词向量之外，最具有代表性的神经网络词向量模型
西南小游侠·2022-11-27 19:58

Word2Vec

wordvector的核心思想：为每个单词构建一个密集向量，选择后的向量与出现在类似上下文中的单词向量相似。
在路上的工程师·2022-11-27 11:48

TextCNN文本分类Pytorch

文章目录前言一、环境：二、数据：三、模型结构四、主要代码1.word2id与id2word2.word2vec3.加载word2vec五、训练及测试未使用预训练词向量使用预训练的词向量总结前言之前写了一篇
ToTensor·2022-11-27 10:16

文本分类：TextCNN（pytorch实现）

textcnn详细过程：第一层是图中最左边的7乘5的句子矩阵，每行是词向量，维度=5。
MCZ777·2022-11-27 10:13

fastText学习——文本分类

之前主要有One-hot、BagofWords、N-gram、TF-IDF词向量表示方法，但它们存在不足：转换得到的向量维度很高，需要较长训练时间；没有考虑单词与单词之间的关系，只是进行了统计。
Quinn-ntmy·2022-11-27 08:03

中文自然语言处理--基于fasttext中文短文本分类

FastText是facebook开源的一个词向量与文本分类工具，模型简单，训练速度非常快。
糯米君_·2022-11-27 07:54

文本张量的表示方法

概念：将一段文本使用张量进行表示，将词汇表示成向量，成为词向量，再由各个词向量按顺序组成矩阵形成文本表示。为什么？
IT之一小佬·2022-11-27 01:21

深度学习-nlp系列（4）：Word2Vec 字&词向量的训练和使用

前言word2vec是静态词向量构建方法的一种，与Embedding词向量相似。本文将介绍word2vec词向量是如何训练的，训练好的word2vec词向量如何使用。
牧子川·2022-11-26 08:53

Pytorch——BERT 预训练模型及文本分类（情感分类）

知识点语言模型和词向量BERT结构详解BERT文本分类BERT全称为BidirectionalEncoderRepresentationsfromTransformer，是谷歌在2018年10月发布的
ASS-ASH·2022-11-26 08:21

关于词向量的一篇好的入门文章

很好，正好可借此机会介绍词向量、word2vec以及DeepNLP整套相关的东西：文章很长，是从CSDN上写好复制过来的，亦可直接跳到博客观看：深度学习（DeepLearning）·
rolin-刘瑞·2022-11-26 04:26

CBOW、Skip-gram理解

分布式词向量并不是word2vec的作者发明的，他只是提出了一种更快更好的方式来训练语言模型罢了。
不要关注我·2022-11-26 04:25

词向量模型W词向量模型Word2Vecord2Vec

前言本文是之前学习自然语言处理课程CS224课程的笔记。首发于公众号"NLP学习者"简介想要处理文本首先就要将单词表示成计算机可以处理的格式，表示的方法一般有两种，一种是one-hot编码，另一种是分布式表示，分布式表示涉及从单词个数维度的空间到具有更低维度的连续向量空间的数学嵌入。本篇博文介绍的word2vec就是一种分布式表示，word2Vec尝试去做的是利用语言的意义理论，根据一个单词来预测
loganzha·2022-11-26 04:24

连续词袋模型（Continous bag of words, CBOW）

（Skip-gram是用中心词预测周围词）CBOW模型的结构最左边为上下文词，这些词用One-hot编码表示，维度为1*V(上图容易让人理解错误)每个上下文的词向量都需要乘以一个共享的矩阵W，由于整个模型是一个神经网络结构
Vicky_xiduoduo·2022-11-26 04:18

【NLP】一文理解Self-attention和Transformer

首先是词的表示，表示词的方式：One-hotEncoding（词向量很长，并且词之间相互独立）、WordEmbedding。然后是语音向量和图（Graph）也是由一堆向量组成。输出可能是什么样的？
Mr.zwX·2022-11-25 22:22

LSTM+Self-Attention情感分类

开发环境2、数据集二、使用torchtext处理数据集1、导入必要的库2、导入并查看数据集3、使用torchtext处理数据集3.1、定义Field3.2、创建Dataset3.3、构建词表、加载预训练词向量
wisuky·2022-11-25 12:52

Kaggle 上数据集的分享（20类猿猴、电影评论、glove.6B.100D.txt、THUCNews、STL10(train_X.bin)等）

本文主要针对深度学习中Kaggle上的数据，因为在Kaggle网页下载会有很多的障碍。目前还在学习中，日后有更多需要的数据会继续更新。链接：https://pan.baidu.com/s/14oh5Q8RvvPCcE44pJUt_JQ提取码：plw3
Seldon_Lin·2022-11-25 11:24

【gensim问题记录】EOFError: unexpected end of input； is count incorrect or file otherwise damaged?

参考博客报错信息：打开词向量文件viglove.840B.300d.word2vec.txt词向量文件中的第一行是两个数字，第一个表示此文件中共有词多少；第二个是词向量的维度输入crtl+end，跳转到最后一行
又又酸又菜又多余·2022-11-25 09:02

机器学习相关学习视频

“人工智能神经网络架构卷积神经网络原理递归神经网络与词向量原理解读”https://pan.baidu.com/s/1Y1BQuRjOelX3rAbwql38kA提取码：upjo神经网络、深度学习"链接
halouaaaa·2022-11-25 08:05

python3.8+tensorflow2.4.0+keras-2.4.3: IMDB电影评论情感分析

Embedding层相当于一个字典，负责将词索引映射到固定尺寸的稠密词向量。它接受整数序列作为
wdw_kai·2022-11-25 05:34
上一页 18 19 20 21 22 23 24 25 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他