word2vec

embedding模型有哪些？如何选择合适的embedding模型？

以下是一些常见的embedding模型：Word2Vec：CBOW（ContinuousBag-of-Words）：通过上下文预测中心词。Skip-Gram：通过中心词预测上下文。
行云流水AI笔记·2025-06-28 19:19

自然语言处理基础知识入门(三) RNN，LSTM，GRU模型详解

基本结构1.3双向循环神经网络1.4深层双向循环神经网络1.5RNN的梯度爆炸和消失问题二、LSTM模型2.1LSTM和RNN的结构对比2.2LSTM模型细节三、GRU模型总结前言在上一章节中，深入探讨了Word2vec
这个男人是小帅·2025-06-26 03:08

Word2Vec 原理是什么

Word2Vec原理是什么一、核心概念：从词语到向量的语义映射Word2Vec是2013年由Google提出的词嵌入（WordEmbedding）模型，其核心目标是将自然语言中的词语转换为稠密的连续向量
ZhangJiQun&MXP·2025-06-24 20:24

怎么对词编码进行可视化：Embedding Projector

EmbeddingProjector是用于可视化高维向量嵌入（如词向量、图像特征向量等）的工具，能帮你理解向量间的关系，下面以词向量分析和**简单自定义数据（比如特征向量）**为例，教你怎么用：一、词向量分析场景（以图中Word2Vec
ZhangJiQun&MXP·2025-06-23 10:34

python哈夫曼树压缩_哈夫曼树及python实现

最近在看《tensorflow实战》中关于RNN一节，里面关于word2vec中涉及到了哈夫曼树，因此在查看了很多博客(文末)介绍后，按自己的理解对概念进行了整理(拼凑了下TXT..)
七十二便·2025-06-21 00:19

词编码模型有哪些

词编码模型有哪些词编码模型在高维向量空间的关系解析与实例说明如Word2Vec、BERT、Qwen等一、高维向量空间的基础概念词编码模型（如Word2Vec、BERT、Qwen等）的核心是将自然语言符号映射为稠密的高维向量
ZhangJiQun&MXP·2025-06-20 05:04

NLP学习路线图（四十五）：偏见与公平性

词嵌入模型（如Word2Vec,GloVe）曾显示：“男人”与“程序员”的关联度远高于“女人”；“非裔美国人姓名”更易与负面词汇关联。
摸鱼许可证·2025-06-15 16:42

多模态核心实现技术

1.单模态编码技术文本表示：采用词嵌入模型（如Word2Vec、GloVe）或预训练语言模型（如BERT、RoBERTa），通过Transformer层提取上下文特征，生成动态词向量。
charles666666·2025-06-11 14:59

自然语言处理之语言模型：Word2Vec：Word2Vec模型的训练与优化

自然语言处理之语言模型：Word2Vec：Word2Vec模型的训练与优化自然语言处理基础文本预处理文本预处理是自然语言处理（NLP）中至关重要的第一步，它包括多个子步骤，旨在将原始文本转换为适合机器学习模型的格式
·2025-06-09 23:18

基于 GQA 与 MoE 的古诗词生成模型优化 llm项目以及对应八股

目录项目项目背景个人贡献成果产出词嵌入Word2Vec两种训练方式：两种加速训练的方法：GloVe（GlobalVectorsforWordRepresentation）FastTextMHA、GQA、
许愿与你永世安宁·2025-06-09 16:27

Python自然语言处理库之gensim使用详解

该库专注于处理大规模文本数据，提供了多种经典的主题建模算法，如LDA（潜在狄利克雷分配）、LSI（潜在语义索引）等，以及现代化的词向量模型Word2Vec、Doc2Vec、FastText等。
Rocky006·2025-06-09 15:26

深度学习中的负采样

它常用于：词向量训练（如Word2Vec）推荐系统（从大量候选项中学正例与负例）语言模型、对比学习、信息检索等场景本质概念在许多任务中，我们的模型要从上万个候选中预测正确类别。
洪小帅·2025-06-05 10:47

NLP学习路线图（十八）：Word2Vec (CBOW & Skip-gram)

自然语言处理（NLP）的核心挑战在于让机器“理解”人类语言。传统方法依赖独热编码（One-hotEncoding）表示单词，但它存在严重缺陷：每个单词被视为孤立的符号，无法捕捉词义关联（如“国王”与“王后”的关系），且维度灾难使计算效率低下。词向量（WordEmbedding）革命性地解决了这些问题。它将单词映射为稠密、低维的实数向量（如50-300维），其核心思想是：具有相似上下文（Contex
摸鱼许可证·2025-06-02 16:33

Word2Vec模型学习和Word2Vec提取相似文本体验

文章目录说明Word2Vec模型核心思想两种经典模型关键技术和算法流程优点和局限应用场景Word2Vec提取相似文本完整源码执行结果说明本文适用于初学者，体验Pytorch框架在自然语言处理中的使用。
缘友一世·2025-05-26 08:44

NLP-gensim库

它支持包括TF-IDF，LSA，LDA，和word2vec在内的多种主题模型算法，支持流式训练，并提供了诸如相似度计算，信息检索等一些常用任务的API接口。
安替-AnTi·2025-05-26 02:38

gensim基础用法

fromgensim.modelsimportword2vecimportloggingfromgensimimportcorpora,models,similarities#logging.basicConfig
雪儿waii·2025-05-26 01:06

人工智能深度学习之自然语言处理必备神器huggingface,nlp,rnn,word2vec,bert,gpt

一。Huggingface与Nlp介绍解读(1）nlp中经常会听到分类，机器翻译，情感分析，智能客服，文本摘要，阅读理解等。我们训练的nlp模型，目的学会数据表达的逻辑，学会人类文字怎么去描述与理解，这体现出模型要有语言能力，这样就不管后续做什么都行。nlp不像cv一样输入图像后最后输出结果一个结果就完事了。如何培养模型的学习能力呢？首先要很多很多输入学习资料(这些都是大厂才能做的事）让模型去学习
weixin_58351028·2025-05-22 23:43

从 Word2Vec 到 BERT：AI 不止是词向量，更是语言理解

一、前言在上篇文章中，我们介绍了Word2Vec以及它的作用，总的来说：Word2Vec是我们理解NLP的第一站Word2Vec将词变成了“向量”——终于可以用机器理解词语的相似度我们获得了例如“国王-
ox180x·2025-05-22 01:23

BERT模型原理与代码实战案例讲解

深度学习:利用神经网络学习语言的深层特征，例如Word2Vec、RNN、LSTM等，语义理解能力显著提升。1.2BERT的诞生B
AI大模型应用之禅·2025-05-20 22:58

从代码学习深度学习 - 预训练word2vec PyTorch版

文章目录前言辅助工具1.绘图工具(`utils_for_huitu.py`)2.数据处理工具(`utils_for_data.py`)3.训练辅助工具(`utils_for_train.py`)预训练Word2Vec
飞雪白鹿€·2025-05-20 21:47

【NLP-01】文本相似度算法：Cosine Similarity、Levenshtein Distance、Word2Vec等介绍和使用

文本相似度计算的算法是自然语言处理领域中的关键技术，主要用于衡量两段文本在内容、语义或结构上的相似程度。以下是一些常用的文本相似度计算算法：余弦相似度（CosineSimilarity）：余弦相似度是通过计算两个向量的夹角余弦值来评估它们的相似度。在文本相似度计算中，首先将文本转换为向量表示（如TF-IDF向量），然后计算这些向量之间的余弦值。余弦值越接近1，表示文本越相似。Jaccard相似度：
云天徽上·2025-05-18 03:28

用 Gensim 实现 Word2Vec 古诗生成

6.1环境搭建与库导入首先安装Gensim及依赖库：bashpipinstallgensimnumpypandas导入必要模块：python运行fromgensim.modelsimportWord2Vec
万能小贤哥·2025-05-18 01:15

图解gpt之神经概率语言模型与循环神经网络

上节课我们聊了词向量表示，像Word2Vec这样的模型，它确实能捕捉到词语之间的语义关系，但问题在于，它本质上还是在孤立地看待每个词。英文的“Apple”，可以指苹果公司，也可以指水果。
zhaojiew10·2025-05-13 04:44

从零开始大模型开发与微调：词向量训练模型Word2Vec使用介绍

从零开始大模型开发与微调：词向量训练模型Word2Vec使用介绍关键词：词向量,Word2Vec,神经网络,深度学习,自然语言处理(NLP),预训练,微调,Fine-Tuning1.背景介绍1.1问题由来在深度学习蓬勃发展的今天
AI大模型应用实战·2025-05-11 20:43

1991-2023年上市公司创新信息披露数据

数据简介与传统词典法不同,本文采用“种子词集+Word2Vec相似词扩充”方法构建描述性创新信息指标。参考相关文献[11,28],对年报多次研读校验得到种子词集。
经管数据库·2025-05-11 08:01

Embedding：数据表示的深度探索

目录（一）Embedding的定义（二）Embedding的原理（三）Embedding的方法（一）Word2Vec架构图（二）基于Embedding的推荐系统流程图（一）使用TensorFlow实现Word2Vec
CarlowZJ·2025-05-10 10:06

什么是 Embedding？从原理到实战的全面解析

2.Embedding的基本原理2.1词嵌入（WordEmbedding）2.2句子嵌入（SentenceEmbedding）3.Embedding的应用4.Embedding的使用场景5.实战：用Word2Vec
樽酒ﻬق·2025-05-09 09:45

深入解析 Transformers 框架（五）：嵌入（Embedding）机制和 Word2Vec 词嵌入模型实战

微信公众号：老牛同学公众号标题：深入解析Transformers框架（五）：嵌入（Embedding）机制和Word2Vec词嵌入模型实战公众号链接：https://mp.weixin.qq.com/s
老牛同学·2025-05-09 09:14

无网络环境下配置并运行 word2vec复现.py

需运行文件#-*-coding:utf-8-*-importtorchimportpandasaspdimportjiebaimporttorchimporttorch.nnasnnfromtqdmimporttqdmfromtorch.utils.dataimportDataLoader,DatasetfromtransformersimportAutoTokenizer,AutoModelde
风筝超冷·2025-05-08 16:25

深度学习Day-41：使用Word2vec实现文本分类

本文为：[365天深度学习训练营]中的学习记录博客原作者：[K同学啊|接辅导、项目定制]任务：本次将加入Word2vec使用PyTorch实现中文文本分类，Word2Vec则是其中的一种词嵌入方法，是一种用于生成词向量的浅层神经网络模型
Point__Nemo·2025-05-08 15:16

Datawhale AI春训营--蛋白质预测（AI+生命科学）

基础解题方案方法1：词向量+机器学习步骤1：训练词向量使用gensim库的Word2Vec模型对氨基酸序列进行词向量训练。
2 0 1 2·2025-05-07 23:43

Python数据可视化：自然语言处理算法—网购商品评论情感判定（实战篇—2）

目录1、项目背景2、数据集3、数据预处理4、基于SVM的情感分类模型5、基于word2vec中doc2vec的无监督分类模型自然语言处理（NaturalLanguageProcessing，简称NLP）
不脱发的程序猿·2025-05-01 10:45

图神经网络实战（3）——基于DeepWalk创建节点表示

图神经网络实战（3）——基于DeepWalk创建节点表示0.前言1.Word2Vec1.1CBOW与skip-gram1.2构建skip-gram模型1.3skip-gram模型1.4实现Word2Vec
盼小辉丶·2025-04-29 12:57

2W8000字 LLM架构文章阅读指北

大模型架构专栏||自然语言处理（NLP）之建模3、LLM大模型架构之词嵌入（Part1）3、LLM大模型架构之词嵌入（Part2）3、LLM大模型架构之词嵌入（Part3）4、LLM架构从基础到精通之Word2Vec
柏企·2025-04-28 23:56

jupyter调用py文件_【JupyterNotebook-03】jupyter notebook项目管理——.ipynb中调用.py文件...

目录怎么在.ipynb.py中调用.py文件JupyterNotebook中运行.py文件调用自己的包总结一、怎么在.ipynb.py中调用.py文件在同一个目录下，有word2vec.ipynb和utils.py
曈漾·2025-04-17 05:04

Day08【基于FAQ实现单轮问答系统】

sentence_to_vecquery查询2.主程序部分总结目的本文实现了一个基于FAQ知识库和文本匹配算法的问答系统，核心目的是根据用户输入的问题（user_query），通过不同的文本匹配算法（例如BM25、Word2Vec
Mechanotrooper·2025-04-16 12:12

TensorFlow深度学习实战（12）——词嵌入技术详解

TensorFlow深度学习实战（12）——词嵌入技术详解0.前言1.词嵌入基础2.分布式表示3.静态嵌入3.1Word2Vec3.2GloVe4.使用Gensim构建词嵌入5.使用Gensim探索嵌入空间
盼小辉丶·2025-04-15 11:33

嵌入模型和大型语言模型的区别

示例：Word2Vec、GloVe、FastText。大型语言模型：目的：生成类似人类的文字，理解上下文，并执行各种自然语言处理任务
AIGC_Connect·2025-04-05 07:04

使用Node2Vec进行知识图谱嵌入的详细教程

Node2Vec是一种基于随机游走和Word2Vec的图嵌入方法。通过模拟随机游走，Node2Vec能够有效地捕捉图中节点的邻域结构，从而生成高质量的节点嵌入。
数字扫地僧·2025-03-28 21:38

NLP：词向量

1.常见方法Word2Vec：Word2Vec是一种流行的词向量生成算法，主要通过两个模型来训练词向量：Skip-gram：输入一个单词，预测其上下文（即周围的单词）。
00&00·2025-03-27 14:19

文本向量化-词嵌入方法系列1：静态词嵌入(Word2Vec+GloVe)

静态词嵌入有Word2Vec，Sen2Vec，Doc2Vec，以及GloVe模型；而动态词嵌入有ELMO，Transformer，GPT，Bert和XLNet等等。
学习ml的小菜鸡·2025-03-10 19:15

Word2Vec 模型 PyTorch 实现并复现论文中的数据集

详细注解链接：https://www.orzzz.net/directory/codes/Word2Vec/index.html欢迎咨询！
Illusionna.·2025-03-10 14:37

python搭建NPL模型的详细步骤和代码

目录**一、环境准备****二、数据准备****三、文本预处理****1.清理文本****四、特征工程****1.TF-IDF****2.Word2Vec****五、搭建NLP模型****1.逻辑回归*
百锦再@新空间代码工作室·2025-03-09 11:33

Word2Vec向量化语句的计算原理

一、Word2Vec的核心理念Word2Vec由Google团队于2013年提出，是一种通过无监督学习生成词向量的模型。
堕落年代·2025-03-06 11:38

别只会用别人的模型了，自学Ai大模型，顺序千万不要搞反了！刚入门的小白必备！

一、前置阶段数学：线性代数、高等数学自然语言处理：Word2Vec、Seq2SeqPython：Pyotch、Tensorflow二、基
ai大模型应用开发·2025-03-05 12:27

什么是预训练语言模型下游任务？

问题：Word2Vec模型是预训练模型吗？由于训练的特性，word2Vec模型一定是与训练模型。给定一个词先使用独热编码然后使用预训练好的Q矩阵得到这个词的词向量。
衣衣困·2025-03-04 22:36

Word2Vec的使用，一些思考，含示例——包括使用预训练Word2Vec模型和自训练Word2Vec模型

词嵌入模型（WordEmbeddings）——Word2Vec简介：Word2Vec是由Google团队提出的一种词嵌入方法，通过神经网络模型将词语映射到一个低维的连续向量空间中。
热爱生活的猴子·2025-03-04 03:13

2W8000字 LLM架构文章阅读指北

大模型架构专栏||自然语言处理（NLP）之建模3、LLM大模型架构之词嵌入（Part1）3、LLM大模型架构之词嵌入（Part2）3、LLM大模型架构之词嵌入（Part3）4、LLM架构从基础到精通之Word2Vec
·2025-03-02 17:24

word2vec（一） CBOW与Skip-Gram模型基础

Word2Vec其实就是通过学习文本来用词向量的方式表征词的语义信息，即通过一个嵌入空间使得语义上相似的单词在该空间内距离很近。
浮汐·2025-02-22 18:24

python自然语言处理—Word2vec模型之Skip-gram

Word2vec模型之Skip-gram（跳字）模型一、skip-gram模型图二、skip-gram模型图示例说明举个例子来说明这个图在干嘛：1、假设我们的文本序列有五个词，["the","man",
诗雨时·2025-02-22 18:53
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他