1回答
我们可以使用以下命令在快速文本中训练监督模型 import fasttext
model = fasttext.train_supervised(input="cooking.train") 我的问题是，它如何表示特征(词包或tf/idf或词嵌入)，以及它使用什么算法进行文本分类？
浏览 26提问于2020-08-14得票数 0
回答已采纳
快速文本官方网站(fasttext.cc)上的例子(与单词表示相关)表明，可以计算使用cbow (或skip-gram模型)(简而言之，无监督学习模型)导出的向量上的最近邻居。据称，这可以使用模型(model.get_nearest_neighbors)上的get_nearest_neighbors函数来完成。然而，当我尝试使用Python (3.7.)它向我显示了一条消息，即该函数不存在于无专家<
浏览 31提问于2019-09-12得票数 4
我目前正在工作的翻译层，以翻译许多独特的颜色名称为一个共同的颜色名称。例如，金属红色将是红色，海军蓝色将是蓝色。我有一个颜色列表，从一个来源，我试图翻译和一组基本的颜色名称，我希望他们被识别为。当前，当构建一个模型时，不管是监督的还是非监督的，我都会得到model.words作为'‘，不管我是否给这些线条贴上标签。我试着删除单词中的所有特殊字符等。我正在使用快速文本库
我
浏览 2提问于2019-10-26得票数 0
回答已采纳
1回答
我有一个推特用户(screen_names)的名单，我需要将他们归类为7个预定义的类别-教育，艺术，体育，商业，政治，汽车，技术，基于他们的兴趣领域。我在Python中提取了用户的最后100个tweet，并在清除了tweet之后为每个用户创建了一个语料库。我试图在每个类别下生成普通单词的字典，以便我可以使用它进行分类。最高的价值将给我们最有可能的类别的推特。
但由于分类是基于这些预先生成的字典，我正在寻找一种方法，以自动生成他们
浏览 5提问于2020-02-23得票数 8
1回答
CNN节目的后期融合
、、、、
我正致力于CNN早期和晚期的融合。我从CNN的多个层面拍摄了一些特写。对于早期的融合，我已经捕获了三个不同层的特性，然后水平地将它们连接在一起，F= [F1' F2' F3'];用于后期融合，我正在阅读这个。他们曾两次提到要进行监督学习。但不明白怎么走。例如，这是从上面提到的文件中获取的图像。第一幅图像有三个不同的特征，对于第一次监督学习，标签可以说是1/4类
浏览 1提问于2018-03-22得票数 3
回答已采纳
1回答
我们要在命令提示符中运行 .我可以训练和获取所需的输出。对于python脚本中的编程，我安装了快速文本库，并尝试如下模型经过训练fasttext.supervised(input =
浏览 2提问于2018-04-12得票数 0
回答已采纳
2回答
下一代预测或短语预测引擎使用在移动和平板电脑的现代键盘，如快速键和XT9，它预测下一个词的用户将根据一些预定义或动态语料库，基于n-克(最后键入2-3个单词的最大频率加上当前单词)的语言模型(马尔可夫模型我认为这些引擎/algos是AI/NLP的一部分。但我不确定他们属于AI/NLP的哪个分支。是机器学习吗？是数据科学吗？是大数据吗？是电脑情报吗？这是决策吗？是数据挖掘吗？还是统计模式识
浏览 2提问于2013-11-26得票数 0
回答已采纳
我正在尝试使用快速文本API构建一个有监督的分类器。我的数据是'output.txt‘，有15000行，2列(性别和姓名)和2个类m/f。thread=8)
print(labels)[[],[],[],[]]
我不明白我的错误在哪里我遵循了中的代码行。当相同的代码能够在Linux中运行时，在wi
浏览 3提问于2018-03-30得票数 3
1回答
我一直在读早期的关于NLP (https://arxiv.org/abs/1511.01432)预培训的论文，我不明白随意的单词丢失意味着什么。作者完全忽略了对这种方法的解释，就好像它是一个标准的东西一样。有人能解释一下他们到底做了什么，目的是什么吗？
浏览 0提问于2020-02-24得票数 1
我用非监督的方式训练了快速文本模型，现在我使用get_sentence_vector()函数来获取句子的向量。但是它输出长度为100的矢量。我如何使这些向量(300个值)更长？有什么超参数吗？
浏览 3提问于2022-05-17得票数 1
回答已采纳
假设我们有包含聊天消息的数据集，我们希望对其进行主题建模(例如，很少有主题)。让我们假设，主题A可能(而且应该)用几个词来表示，但我知道(让我们从某个外部来源说)，所有包含单词word_to_boost的消息都应该被预测为A-归属。所有的预处理和文字袋都完成了。有没有可能以某种方式“提振”word_to_boost这个词，向模型建议将该词中的所有信息都放入A主题中？如果是，是否建议这样做？我以为这可能是围绕着TF-以色列国防军做的，但也许有一种不同的方法？
提前感谢！
浏览 1提问于2020-12-16得票数 0
1回答
无/少标签文本数据的主题分类
、、、、
我想将文本输入分类为预定义的类别。据我所知，如果我的目标标签在预先培训过的模型中非常罕见，那么无监督的方法是不可行的(我有关于特定工业过程的标签)。这是真的吗？否则，我可以尝试一种方法，例如，使用所有不同的标签标记1000个输入文本，并使用有监督的方法，很少有标记的数据。这对学习过程有帮助吗？在这种情况下我能用什么</e
浏览 0提问于2023-02-09得票数 1
回答已采纳
1回答
我想为1GB大小的文本数据创建一个无监督的fastText模型。我正在使用fastText命令行工具来实现模型培训过程。以上是我用来创建单词表示的几个参数，我看到了这个avg.loss，学习速率已经从默认的(0.5)降到了0.001。我真的不明白，这
浏览 1提问于2021-07-21得票数 1
回答已采纳
2回答
聚类与分类
、、
我对此有点陌生，但我只是简单地问了一个关于聚类和分类的问题。我有一堆要分类的文字。目前我有4门课，但课文可以属于多个班级。到目前为止，我看到的是进行4种二进制分类，但我想知道是否有一种分类算法，可以实现属于多个类的文本。或者，我可以通过具有重叠簇的集群来实现这一点吗？
我试着用Python来做这件事。
浏览 0提问于2020-07-16得票数 0
1回答
机器学习实体评分(非识别)
、、、、
我正试图理解谷歌背后的机器学习部分。本文对它们的generate candidate entities模型作了如下说明。首先将给定的输入文本拆分为单词(基于空格分隔)，然后生成所有可能的最大长度单词子序列(在本例中为15个单词)，并根据每个候选文本是否代表有效实体，为每个候选对象分配一个值(介于0到1之间)：
如果我的理解正确，模型会尝试句子中的每一个单词，以及这个单词<e
浏览 2提问于2020-02-26得票数 5
回答已采纳
4回答
我理解监督学习和非监督学习的区别：无监督学习允许分类器“自主学习”，例如使用聚类。
但是什么是“弱监督学习”呢？它如何分类它的例子？
浏览 1提问于2013-09-22得票数 29
回答已采纳
1回答
我已经有了一个Doc2Vec模型。我用我的训练数据对其进行了训练。这是我的模型：
model = model.load('my_model.Doc2vec')
浏览 2提问于2018-02-16得票数 0
通过连接维基百科，我搜索所有的关键字，寻找每一条记录，并试图找出这些关键词是否在记录传记的第一段中传递。
下面你看到的输出，我得到，这是不完全正确的。('http://en.wikipedia.org&#
浏览 3提问于2020-10-17得票数 1
1回答
在用于训练受监督模型的python 的快速文本库的描述中，有不同的论点，其中除其他外，说明如下：
wordNgrams：字数的最大长度。如果我理解得对，他们两人都有责任考虑到单词周围的词汇，但两者之间有什么明显的区别呢？
浏览 2提问于2019-08-15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
对象存储
云直播
实时音视频活动推荐
腾讯云开发者
