- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用 gensim 创建在大型文本语料库上训练的 Word2Vec 模型。我有一些基于 StackExchange 数据转储的模型。我还有一个基于英语维基百科语料库训练的模型。
假设两个模型中都有一个词汇术语,并且模型是使用与 Word2Vec 相同的参数创建的。有没有什么方法可以组合或添加两个单独模型中的向量来创建一个新模型,该模型具有与我最初组合两个语料库并对此数据进行训练时产生的相同单词向量?
我想这样做的原因是我希望能够生成具有特定语料库的模型,然后如果我稍后处理新语料库,我希望能够将此信息添加到现有模型中,而不是而不是必须组合语料库并从头开始重新训练所有内容(即,我希望避免每次想要向模型添加信息时重新处理每个语料库)。
gensim 或其他地方是否有内置函数可以让我组合这样的模型,向现有模型添加信息而不是重新训练?
最佳答案
一般来说,只有一起训练的词向量才有有意义的可比性。 (训练过程中交错的拉锯战将它们移动到有意义的相对方向,并且在此过程中存在足够的随机性,即使在同一语料库上训练的模型也会因放置单个单词的位置而有所不同。)
使用两个语料库中的单词作为路标,可以学习从一个空间 A 到另一个空间 B 的转换,尝试将这些已知共享单词移动到另一个空间中的相应位置。然后,对 A 中不在 B 中的单词应用相同的转换,您可以找到这些单词的 B 坐标,使它们与其他本地 B 单词进行比较。
该技术已在 word2vec 驱动的语言翻译(其中路标对是已知翻译)中取得了一些成功,或者作为使用来自其他地方的词向量来增长有限词向量集的方法。我不知道它是否足以满足您的目的。我想它可能会误入歧途,特别是当两个训练语料库以截然不同的方式使用共享 token 时。
gensim
库中有一个 TranslationMatrix
类可以为您执行此操作。请参阅:
https://radimrehurek.com/gensim/models/translation_matrix.html
这里有一个使用它的演示笔记本:
https://github.com/RaRe-Technologies/gensim/blob/develop/docs/notebooks/translation_matrix.ipynb
(只要可行,在混合语料库上进行完整的训练,并包含所有单词示例,可能会做得更好。)
关于python - 组合/添加来自不同 word2vec 模型的向量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54243797/
我有 table 像这样 -------------------------------------------- id size title priority
我的应用在不同的 Activity (4 个 Activity )中仅包含横幅广告。所以我的疑问是, 我可以对所有横幅广告使用一个广告单元 ID 吗? 或者 每个 Activity 使用不同的广告单元
我有任意(但统一)数字列表的任意列表。 (它们是 n 空间中 bin 的边界坐标,我想绘制其角,但这并不重要。)我想生成所有可能组合的列表。所以:[[1,2], [3,4],[5,6]] 产生 [[1
我刚刚在学校开始学习 Java,正在尝试自定义控件和图形。我目前正在研究图案锁,一开始一切都很好,但突然间它绘制不正确。我确实更改了一些代码,但是当我看到错误时,我立即将其更改回来(撤消,ftw),但
在获取 Distinct 的 Count 时,我在使用 Group By With Rollup 时遇到了一个小问题。 问题是 Rollup 摘要只是所有分组中 Distinct 值的总数,而不是所有
这不起作用: select count(distinct colA, colB) from mytable 我知道我可以通过双选来简单地解决这个问题。 select count(*) from (
这个问题在这里已经有了答案: JavaScript regex whitespace characters (5 个回答) 2年前关闭。 你能解释一下为什么我会得到 false比较 text ===
这个问题已经有答案了: 奥 git _a (56 个回答) 已关闭 9 年前。 我被要求用 Javascript 编写一个函数 sortByFoo 来正确响应此测试: // Does not cras
所以,我不得不说,SQL 是迄今为止我作为开发人员最薄弱的一面。也许我想要完成的事情很简单。我有这样的东西(这不是真正的模型,但为了使其易于理解而不浪费太多时间解释它,我想出了一个完全模仿我必须使用的
这个问题在这里已经有了答案: How does the "this" keyword work? (22 个回答) 3年前关闭。 简而言之:为什么在使用 Objects 时,直接调用的函数和通过引用传
这个问题在这里已经有了答案: 关闭 12 年前。 Possible Duplicate: what is the difference between (.) dot operator and (-
我真的不明白这里发生了什么但是: 当我这样做时: colorIndex += len - stopPos; for(int m = 0; m < len - stopPos; m++) { c
思考 MySQL 中的 Group By 函数的最佳方式是什么? 我正在编写一个 MySQL 查询,通过 ODBC 连接在 Excel 的数据透视表中提取数据,以便用户可以轻松访问数据。 例如,我有:
我想要的SQL是这样的: SELECT week_no, type, SELECT count(distinct user_id) FROM group WHERE pts > 0 FROM bas
商店表: +--+-------+--------+ |id|name |date | +--+-------+--------+ |1 |x |Ma
对于 chrome 和 ff,当涉及到可怕的 ie 时,这个脚本工作完美。有问题 function getY(oElement) { var curtop = 0; if (oElem
我现在无法提供代码,因为我目前正在脑海中研究这个想法并在互联网上四处乱逛。 我了解了进程间通信和使用共享内存在进程之间共享数据(特别是结构)。 但是,在对保存在不同 .c 文件中的程序使用 fork(
我想在用户集合中使用不同的功能。在 mongo shell 中,我可以像下面这样使用: db.users.distinct("name"); 其中名称是用于区分的集合字段。 同样我想要,在 C
List nastava_izvjestaj = new List(); var data_context = new DataEvidencijaDataContext();
我的 Rails 应用程序中有 Ransack 搜索和 Foundation,本地 css 渲染正常,而生产中的同一个应用程序有一个怪癖: 应用程序中的其他内容完全相同。 我在 Chrome 和 Sa
我是一名优秀的程序员,十分优秀!