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快速文本模型的句子中。0.
浏览 44提问于2019-07-15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，保持预先训练的快速文本词嵌入为基础。我如何使用Keras来训练</e
浏览 2提问于2019-01-24得票数 1
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('../wiki.en/wiki.en')
print(en
浏览 1提问于2017-10-31得票数 9
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。
我想知道是否有更好的方法来实现这一点？我想的是一种粗糙但快速的相似算法，它可以给我一个粗略的表示，说明两个单词/同步集可能有多近。这样，我就可以消除大多数绝对不同的词，节省时间。我不确定它是否存在
浏览 0提问于2018-08-17得票数 1
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。这不是机器学习的步骤。没有模特受过训练。Doc2Vec函数有效地聚合了句子中的单词向量，其意义与找到向量的和或平均值的意义相同，但
浏览 45提问于2021-06-17得票数 1
回答已采纳
1回答
我想用gensim从快速文本库加载经过预先训练的多语种单词嵌入；在这里，链接到嵌入：
cc.de.300.vec (4.4 GB) cc.de.300.bin (7 GB)gensim.models.fasttext.load_facebook_model(path, enco
浏览 7提问于2019-12-11得票数 3
回答已采纳
在训练seq2seq模型时，我想在嵌入层中启动一组预先训练的快速文本权重，目的之一是减少测试环境中的未知单词(这些未知单词不在训练集中)。由于预训练的快速文本模型词汇量较大，在测试环境中，未知词可以用快速文本的词汇向量来表示，在训练集中，这些向量应该与语义相似的词具有相似的方向。然而，由于嵌入层中的初始
浏览 2提问于2017-05-19得票数 2
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。经过一些研究，我发现，我可以训练我自己的载体使用Gensim。在那里，我必须下载一个预先<em
浏览 3提问于2020-08-06得票数 0
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嵌入的向量。你能对这项任务有什么建议吗？我想要一些像Gensim的doc2vec推断功能，你给模型一些文本<
浏览 3提问于2018-03-10得票数 5
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=model_gensim.corpus_count, total_words=model_g
浏览 11提问于2019-07-17得票数 1
回答已采纳
1回答
我正在做一个小项目，我想使用word2vec技术作为文本表示方法。我需要对专利进行分类，但我只标注了其中的几个，为了提高我的ML模型的性能，我想使用大量的专利来增加我的模型的语料库/词汇量。问题是，一旦我训练了我的单词嵌入功能，如何使用这个更大的语料库与我的训练数据-我的标签数据？
我的数据集由2000项专利组成，这些专利都贴上了标签。用于训练我的单词嵌入</em
浏览 0提问于2020-07-15得票数 1
回答已采纳
2回答
我有一个段落列表，我想检查这些单词是否是有效的英语单词。有时，由于一些外部问题，我可能无法在这些段落中获得有效的英语单词。
浏览 7提问于2019-10-16得票数 0
在训练gensim快速文本模型时，什么对结果模型的内存大小有最大的影响？我希望这不是一个太懒的问题:-)
浏览 2提问于2021-09-20得票数 3
回答已采纳
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。在这段代码中，它只是使用两个字符串中出现的相似单词来计算相似度。
浏览 18提问于2020-12-04得票数 0
回答已采纳
4回答
带中文的Word2Vec
、、、
我从各种渠道了解到，通过使用一些插件，它也可以在中文上工作。
所以请告诉我任何中文插件，以及它应该如何在word2vec中实现。
浏览 2提问于2016-05-23得票数 2
我正在尝试谷歌的word2vec预培训模式，以获得单词嵌入。我能够在我的代码中加载模型，我可以看到我得到了一个单词的300维表示。这是密码-from gensim import modelsmodel = gensim.models.KeyedVectors.load_word2vec_format，而不仅仅是一个单词。如何<
浏览 0提问于2020-11-02得票数 1
回答已采纳
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，并且可以纠正普通单词的向量。
浏览 0提问于2018-08-21得票数 5
我已经用Gensim在非常短的句子(最多10个单词)语料库上训练了快速文本模型。我知道我的测试集中包含不在我的训练语料库中的单词，即我的语料库中的一些单词，如“催产素”、“来曲霉素”、"Ematrophin“、”Betaxitocin“。给定测试集中的一个新词，fasttext非常清楚地知道通过使用字符级n-gram来生成与训练集中的其他相似词具有很高余弦相似度的向量 如何将快速<
浏览 25提问于2020-07-06得票数 4
回答已采纳
我刚开始深入学习，我正在尝试使用一个来自的预先训练过的单词嵌入模型。我下载了以下文件：2)sa-d300-m2-fasttext.model.trainables.syn1neg.npy6)sa-d300-m2-fasttext.model.wv
浏览 1提问于2020-08-28得票数 1
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
