标签:表示 Word2Vec Skip 单词 计算 文本 向量
在NLP领域,自然语言通常是指以文本的形式存在,但是计算无法对这些文本数据进行计算,通常需要将这些文本数据转换为一系列的数值进行计算。那么具体怎么做的呢?这里就用到词向量的概念。
一般情况下,当我们拿到文本数据的时候,会先对文本进行分词,然后将每个单词映射为相应的词向量,最后基于这些词向量进行计算,达到预设任务的效果,下边我们分如下几节展开介绍词向量相关的知识。
- One-Hot编码: 一种简单的单词表示方式
- Word Embedding: 一种分布式单词表示方式
- Word2Vec: 一种词向量的训练方法
- 1. Word2Vec概述
- 2. Skip-gram训练词向量原理
- 3. Skip-gram网络结构
- 4. 负采样解决大规模分类问题
- 关于词向量的一些有趣应用
- 1. 相似度计算
- 2. 词聚类
- 3. 词关系推理
标签:表示,Word2Vec,Skip,单词,计算,文本,向量 来源: https://www.cnblogs.com/beyoncewxm/p/16628522.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。