- 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/
假设我有一个数据集,每行包含一个句子,该句子来自一个非常大的调查(德语和法语)中的一个开放式问题。大多数句子(答案)是合乎逻辑的;即有意义的单词组合。但是,也有一些粗心的受访者只是简单地填写了各种不合
我的 MySQL 数据库中有一个表,其结构如下: CREATE TABLE `papers` ( `id` int(11) NOT NULL AUTO_INCREMENT, `title` varch
在新的 Edge 浏览器(基于 chromium)中,有一个文本到语音的选项,在阅读页面时它会突出显示正在阅读的句子和单词,就像这样 - 过去我有一个简单的 Windows TTS 应用程序,我通过将
我有一本书的图像文件。我正在编写一个 Web 应用程序,用于加载书籍并一次显示一页。我想知道如何在页面中选择一个句子并显示一条消息。据我所知,它必须具有图像坐标。 请参阅http://epaper.d
我使用的 GPS 输出多个 NMEA 语句,可用于定位数据。 (GPGGA 和 GPRMC)。有什么理由我应该使用一个而不是另一个吗?我应该检查它们并比较数据吗?我可以随便挑一个使用吗? 在这一点上,
我想使用TinyGPS++在 Arduino 上解析 NMEA 数据并在 OLED 显示屏上显示信息。但是,NMEA 数据将通过 USB 接收,而不是使用软件串行和 TX/RX 引脚。 我按照 Tin
我需要删除其中的所有空格。 例如:这是我的代码O/P:Thisismycode 这是我到目前为止的代码。 import java.util.Scanner; public class nospace{
我对 python 很陌生,我不知道如何解决以下问题: 我有两个数据框,我想使用某种 VLOOKUP 函数来将句子与特定关键字相匹配。在下面的示例中,(df1) 3e 句子应与“banana”(df2
这个问题已经有答案了: How slicing in Python works (38 个回答) Python list slice syntax used for no obvious reason
我想在我的表格作者的句子列中找到以 # 开头的单词。我不知道我在寻找什么词,因为我只知道它以 # 开头。 表:作者(姓名,句子) 作者 |句子 艾伯特 |我#want to be #discussin
句子
关闭。这个问题需要details or clarity .它目前不接受答案。 想改进这个问题吗? 通过 editing this post 添加细节并澄清问题. 关闭 9 年前。 Improve
我目前正在经历免费代码营的第一个 JS 挑战。 我在标题为“句子首字母大写”的挑战中遇到了问题。在这个挑战中,我需要编写一个函数,将给定字符串中单词的每个第一个字母大写,并将所有其他字母小写。 Her
假设我有一个文本,看起来像这样: Some sentence in which a fox jumps over some fence. Another sentence in which a
我是 C++ 的初学者,我想了解有关字符的更多信息,但我遇到了问题。我试图制作一个程序,它复制一个句子并在空格 (' ') 之间添加一个新行 ('\n'),就像一个单词一个单词地分开一个句子. int
我需要将一个句子(例如“Hello world”)复制到一个字符串列表中,意思是复制到一个字符数组中,其中每 2 个单词由 '\0' 分隔。请注意,单词被定义为一行中没有空格的任意数量的字符。 因此,
我有这样一个字符串, my_str ='·in this match, dated may 1, 2013 (the "the match") is between brooklyn centenni
我在列表中有一堆句子,我想使用 nltk 库来阻止它。我可以一次提取一个句子,但是我在从列表中提取句子并将它们重新组合在一起时遇到了问题。我缺少一个步骤吗? nltk 库很新。谢谢! import n
我有一个词和文本。我必须找到所有包含该词的提案。你有什么想法吗? piblic List GetSnetences(string word) { // search all proposals
我正在通过 doc2vec 模型使用 gensim 库在 Python 中构建 NLP 聊天应用程序。我有硬编码的文档并给出了一组训练示例,我通过抛出用户问题来测试模型,然后第一步找到最相似的文档。在
我有以下代码,每 10 个单词拆分一行。 #!/bin/bash while read line do counter=1; for word in $line do
我是一名优秀的程序员,十分优秀!