在gensim的上阅读了教程后，我不明白从训练好的模型生成新嵌入的正确方法是什么。到目前为止，我已经像这样训练了gensim的快速文本嵌入：
model_gensim</
浏览 11提问于2019-07-17得票数 1
回答已采纳
2回答
我想用fastext来训练我自己的单词嵌入。然而，在遵循了教程之后，我无法正确地完成它。)
输出：然而，当我尝试在词汇表中查找单词时：我得到了False，甚至单词也出现在我传递给
浏览 44提问于2019-07-15得票数 1
回答已采纳
在R中工作的过程如下：
单词向量是使用text2vec包中的函数(即GloVe或GlobalVectors )在大型语料库上训练的，这给了我一个大的Word矢量文本文件。在ML步骤发生之前，使用来自Doc2Vec库的TextTinyR函数将每个文本从一个更小、更具体的训练语料库中转换成一个向量。这不
浏览 45提问于2021-06-17得票数 1
回答已采纳
2回答
我有大量的文本数据在多个网页上的产品，我有兴趣出售给客户。我试着在维基百科上使用预先训练过的快速文本词嵌入，但它并没有给我分类任务带来好的结果。可能是因为网站上的文本数据包含了很多技术细节，它不同于维基百科中的文本数据。因此，我想做一些转移学习的词嵌入，保持预先训练<
浏览 2提问于2019-01-24得票数 1
2回答
我一直在想，到目前为止，我只想出了一个强力的方法，检查每个单词的每个同步集，并试图找到一个类似的单词，或者将它们作为一个新的实体添加。 if elder_lemma in syn.lemma_names():理想情况下，我想把它扩展到n-gram，并且我正在寻找一种更好的方法来做到这一点编辑:我不是在寻找基于向量的
浏览 0提问于2018-08-17得票数 1
我已经访问了几乎所有与此相关的帖子，但其中大多数都是基于相似的单词来计算概率，但如果两个陈述在含义上相同但可能包含不同的单词，是否有任何方法可以获得概率。例如："Python是ML的正确选择“和”机器学习的最佳语言是Python“。这个例子应该返回True(概率至少为0.5 )，因为这两个句子的意思是相同的。在这段代码中，它只是使用两个字符串中出现的相似单词</e
浏览 18提问于2020-12-04得票数 0
回答已采纳
1回答
我有客户和顾问之间的聊天互动话语，我想知道顾问的互动是否包含以下列表中的特定句子或类似的句子：["I would be more than happy to help you我很乐意帮你处理你的电池更换订单。
How do get/Extract the sentences with similar intent or meaning.
浏览 2提问于2020-04-26得票数 2
回答已采纳
我想使用新的文本数据集将新词添加到经过训练的gensim word2vec模型中。但是，我希望保留旧的单词嵌入，只将数据集中的新单词添加到现有模型中。这意味着用新文本数据集简单地重新训练旧模型不是一种选择，因为它将重新调整也在新文本数据集中的先前单词
浏览 3提问于2018-03-10得票数 5
在CNN中使用预先训练过的嵌入(快速文本)的句子分类中，当单词不在训练集时，CNN如何预测句子的类别？
我认为经过训练的模型包含了权重，这些权重在预测阶段没有更新，是吗？那么，当训练中没有看到句子中的单词( cnn将预测一个类别)时，会发生
浏览 0提问于2020-08-09得票数 0
1回答
使用嵌入查找文档之间的相似性
、、、、
我需要找到两个文本文档之间的余弦相似性。我需要反映单词顺序的嵌入，所以我不打算使用用单词包或TF/国防军构建的文档向量。理想情况下，我应该使用预先培训过的文档嵌入，比如来自Gensim的doc2vec。如何将新文档映射到预先培训过的嵌入？否则，在Keras/Tensorfl
浏览 0提问于2020-03-10得票数 1
回答已采纳
我正在使用一个预先训练好的快速文本模型( )。en_model = FastText.load_fasttext_format('../
浏览 1提问于2017-10-31得票数 9
我有一套来自服装领域的评论，大约100000篇评论(200万字)。我想训练word2vec用它做一些很酷的NLP员工。
然而，规模不足以创建足够的word2vec模型，它需要数十亿字。因此，我们的想法是使用公共语料库(如维基百科)，甚至使用一些预先训练过的模型(例如，gensim酷框架)并添加我的领域特定文本。我假设这个模型会注意到未见过的公开单词</em
浏览 0提问于2018-08-21得票数 5
在理解星火中的Word2Vec与gensim 1有何不同的过程中，我对Spark (参考链接：https://spark.apache.org/docs/2.2.0/ml-features.html#word2vec)中的例子感到非常困惑，我想知道为什么它们不是转换单个单词，而是转换整个句子。word2vec的目的不是将单个单词嵌入向量空间吗？为什么要嵌入整个
浏览 0提问于2018-07-27得票数 7
回答已采纳
2回答
我使用预先训练过的spacy单词嵌入来预测文档的相似性。因为我有很多特定于领域的单词，所以我想在一个包含我的领域特定词汇表的小数据集上微调我的向量。
我的想法是用我的数据重新训练空间模型。但是，由于spacy中的单词向量是内置的，我不知道如何做到这一点。有办法再用我的
浏览 3提问于2020-08-06得票数 0
回答已采纳
1回答
使用快速文本计算单词嵌入
、、、、
我正在尝试使用快速文本为下面的句子计算单词嵌入。 a = 'We are pencil in the hands' 我没有任何预先训练好的模型，那我该怎么做呢？
浏览 27提问于2019-09-16得票数 0
回答已采纳
我正在尝试建立一个大约有10k个句子的doc2vec模型，然后我将使用这个模型在一些新句子的模型中找到最相似的句子。我已经使用我拥有的语料库(10k个句子)训练了一个gensim doc2vec模型。这个模型可以在一定程度上告诉我一个新句子是否与语料库中的一些句子相似。但是，有一个问题:新句子中可能存在语料库中不存在的<
浏览 1提问于2019-07-12得票数 0
1回答
我有点困惑于如何正确使用Keras中的嵌入层来实现seq2seq (我想在Keras中重建TensorFlow se2seq机器翻译教程 )。我的问题如下：
我理解嵌入层将句子中的单词值转换为固定维长的表示。但我观察到嵌入层有两种不同的用法:一方面(如关于Keras博客的本教程)通过weights参数利用外部预训练的word2v
浏览 0提问于2017-03-13得票数 7
2回答
我想使用Word2Vec来检查文本的相似性。我现在使用的是另一个逻辑： matches = dataset.apply(lambda为了应用此函数，我执行以下操作：您能告诉我如何用Word2Vec替换fuzzy.r
浏览 0提问于2021-01-23得票数 3
1回答
我是NLP的新手，我正在尝试创建我自己的单词嵌入，并在我的个人文档语料库中进行训练。我正在尝试实现以下代码来创建我自己的wordembedings： model = gensim.models.Word2Vec(sentences) 句子是句子的列表。因为我不能传递成千上万的句子，所以我需要一个迭代器 # with mini batch_dir
浏览 23提问于2019-06-06得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
