- 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?
我阅读了这篇论文,并在谷歌上搜索了是否有任何学习方法(或更可能的学习过程)的好例子
对于word2vec,假设有语料库句子
I go to school with lunch box that my mother wrapped every morning
然后,在窗口大小为 2 的情况下,它将尝试使用周围的单词来获取“school”的向量
['go', 'to', 'with', 'lunch']
现在,FastText说它使用子词来获取向量,所以它肯定是使用n个子词,例如n=3,
['sc', 'sch', 'cho', 'hoo', 'ool', 'school']
到这里我就明白了。但尚不清楚其他词是否用于“学校”学习。我只能猜测周围的其他单词也像 word2vec 一样被使用,因为论文提到了
=> 术语Wc和Wt都用在函数中
其中 Wc 是上下文单词,Wt 是序列 t 处的单词。
但是,目前尚不清楚 FastText 如何学习单词向量。
.
.
请清楚地解释一下FastText的学习过程是如何进行的?
.
.
更准确地说,我想知道 FastText 在学习 n-gram 特征子词时是否也遵循与 Word2Vec 相同的过程另外。或者只有 n-gram 特征的子词与正在使用的单词?
它如何在初始时对子词进行向量化?等等
最佳答案
任何上下文单词都有其候选输入向量,该向量由其全单词标记和所有字符 n-gram 的组合组装而成。因此,如果上下文单词是“school”,并且您使用 3-4 个字符的 n-gram,则训练中的输入向量是 school
的全词向量的组合,以及['sch', 'cho', 'hoo', 'ool', 'scho', 'choo', 'hool']
的所有n-gram向量。 )
当通过训练调整候选向量时,所有组成向量都会被调整。 (这有点像在 word2vec CBOW 模式中,当评估和改进单个平均上下文输入向量的所有单词预测单个目标输出单词的能力时,它们会一起调整。)
因此,那些恰好是许多相似单词的有意义提示的 n 元语法(例如,常见的词根或前缀/后缀)会被定位在它们赋予该含义的位置。 (其他 n-gram 可能大部分仍是低幅度噪声,因为它们出现的位置几乎没有有意义的模式。)
训练后,各个词汇表中单词的报告向量也是通过组合全词向量和所有 n-gram 来构建的。
然后,当你也遇到一个词汇表外的单词时,如果它与形态上相似的训练单词共享一些或许多 n-gram,它会得到一个类似的计算向量 - 因此会比没什么,在猜测这个词的向量应该是什么。 (并且在存在小拼写错误或已知单词略有变体的情况下,合成的向量可能会非常好。)
关于nlp - Fasttext 算法只使用单词和子单词?还是句子也?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49811479/
滑动窗口限流 滑动窗口限流是一种常用的限流算法,通过维护一个固定大小的窗口,在单位时间内允许通过的请求次数不超过设定的阈值。具体来说,滑动窗口限流算法通常包括以下几个步骤: 初始化:设置窗口
表达式求值:一个只有+,-,*,/的表达式,没有括号 一种神奇的做法:使用数组存储数字和运算符,先把优先级别高的乘法和除法计算出来,再计算加法和减法 int GetVal(string s){
【算法】前缀和 题目 先来看一道题目:(前缀和模板题) 已知一个数组A[],现在想要求出其中一些数字的和。 输入格式: 先是整数N,M,表示一共有N个数字,有M组询问 接下来有N个数,表示A[1]..
1.前序遍历 根-左-右的顺序遍历,可以使用递归 void preOrder(Node *u){ if(u==NULL)return; printf("%d ",u->val);
先看题目 物品不能分隔,必须全部取走或者留下,因此称为01背包 (只有不取和取两种状态) 看第一个样例 我们需要把4个物品装入一个容量为10的背包 我们可以简化问题,从小到大入手分析 weightva
我最近在一次采访中遇到了这个问题: 给出以下矩阵: [[ R R R R R R], [ R B B B R R], [ B R R R B B], [ R B R R R R]] 找出是否有任
我正在尝试通过 C++ 算法从我的 outlook 帐户发送一封电子邮件,该帐户已经打开并记录,但真的不知道从哪里开始(对于 outlook-c++ 集成),谷歌也没有帮我这么多。任何提示将不胜感激。
我发现自己像这样编写了一个手工制作的 while 循环: std::list foo; // In my case, map, but list is simpler auto currentPoin
我有用于检测正方形的 opencv 代码。现在我想在检测正方形后,代码运行另一个命令。 代码如下: #include "cv.h" #include "cxcore.h" #include "high
我正在尝试模拟一个 matlab 函数“imfill”来填充二进制图像(1 和 0 的二维矩阵)。 我想在矩阵中指定一个起点,并像 imfill 的 4 连接版本那样进行洪水填充。 这是否已经存在于
我正在阅读 Robert Sedgewick 的《C++ 算法》。 Basic recurrences section it was mentioned as 这种循环出现在循环输入以消除一个项目的递
我正在思考如何在我的日历中生成代表任务的数据结构(仅供我个人使用)。我有来自 DBMS 的按日期排序的任务记录,如下所示: 买牛奶(18.1.2013) 任务日期 (2013-01-15) 任务标签(
输入一个未排序的整数数组A[1..n]只有 O(d) :(d int) 计算每个元素在单次迭代中出现在列表中的次数。 map 是balanced Binary Search Tree基于确保 O(nl
我遇到了一个问题,但我仍然不知道如何解决。我想出了如何用蛮力的方式来做到这一点,但是当有成千上万的元素时它就不起作用了。 Problem: Say you are given the followin
我有一个列表列表。 L1= [[...][...][.......].......]如果我在展平列表后获取所有元素并从中提取唯一值,那么我会得到一个列表 L2。我有另一个列表 L3,它是 L2 的某个
我们得到二维矩阵数组(假设长度为 i 和宽度为 j)和整数 k我们必须找到包含这个或更大总和的最小矩形的大小F.e k=7 4 1 1 1 1 1 4 4 Anwser是2,因为4+4=8 >= 7,
我实行 3 类倒制,每周换类。顺序为早类 (m)、晚类 (n) 和下午类 (a)。我固定的订单,即它永远不会改变,即使那个星期不工作也是如此。 我创建了一个函数来获取 ISO 周数。当我给它一个日期时
假设我们有一个输入,它是一个元素列表: {a, b, c, d, e, f} 还有不同的集合,可能包含这些元素的任意组合,也可能包含不在输入列表中的其他元素: A:{e,f} B:{d,f,a} C:
我有一个子集算法,可以找到给定集合的所有子集。原始集合的问题在于它是一个不断增长的集合,如果向其中添加元素,我需要再次重新计算它的子集。 有没有一种方法可以优化子集算法,该算法可以从最后一个计算点重新
我有一个包含 100 万个符号及其预期频率的表格。 我想通过为每个符号分配一个唯一(且前缀唯一)的可变长度位串来压缩这些符号的序列,然后将它们连接在一起以表示序列。 我想分配这些位串,以使编码序列的预
我是一名优秀的程序员,十分优秀!