我是tensorflow和word2vec的新手.我刚研究了使用Skip-Gram算法训练模型的word2vec_basic.py.现在我想用CBOW算法训练.如果我简单地反转train_inputs和train_labels,这是否可以实现？
解决方法:
我认为CBOW模型不能简单地通过在Skip-gram中翻转train_inputs和train_labels来实现,因为CBOW模型体系结构使用周围单词的向量之和作为分类器预测的单个实例.例如,你应该一起使用[the,brown]来快速预测而不是使用快速预测.
要实现CBOW,您必须编写一个新的generate_batch生成器函数,并在应用逻辑回归之前总结周围单词的向量.我写了一个例子,你可以参考：https://github.com/wangz10/tensorflow-playground/blob/master/word2vec.py#L105
标签：word2vec,python,tensorflow 来源： https://codeday.me/bug/20191005/1857770.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。