- 综合排序
- 最热优先
- 最新优先
- 来自专栏龙进的专栏
Word-Embedding词向量
隐藏层： 一个形状为V×N的参数张量W1，一般称为word-embedding，N表示每个词的词向量长度，我们假设为128。
1.1K20编辑于 2022-10-31 - 来自专栏JiahuiZhu1998_技术笔记
NLP: Word Embedding 词嵌入(Part2: fastText)
1. word2vec 和 fastText 对比 概述: word2vec, n-gram 等 word-embedding 方法选择用vector表示single word 而不考虑词根词缀之间的关系
91200编辑于 2023-06-19 - 来自专栏程序媛驿站
面经 | 机器学习算法岗（阿里-飞猪）
的实验室的，所以有如下两个问题（NLP相关），小看官们可以选择性略过这一趴： LTP分词怎么做的 UNK怎么处理 char-emb：英文字符中使用char-embedding编码得到的feature来代替word-embedding ；或char-embedding编码得到的feature拼接word-embedding； 词汇表扩展：为不同的UNK编号，进行训练。
77220编辑于 2022-04-11 - 来自专栏AI科技评论
开发 | 在玩图像分类和图像分割？来挑战基于 TensorFlow 的图像注解生成！
为了把词语转换成适合 LSTM 输入的固定长度表示，我们使用了一个 embedding 层，它能学习把词语映射到 256 维的特征（或 word-embedding）。 Word-embedding 帮助我们把词语表示为矢量，相近的词语矢量在语义上也是近似的。 在 VGG-16 图像分类器里，卷积层提取了 4,096 维表示，传入最终的 softmax 层进行分类。
1.2K60发布于 2018-03-12 - 来自专栏机器之心
更偏好白人男性？Science新研究证明人工智能也能学会偏见
为了测试机器「心智」中的类似偏见（bias），Bryson 及其同事开发了一种词嵌入关联测试（WEAT：Word-Embedding Association Test）。 随后，研究者开发了一个词嵌入真实关联测试（word-embedding factual association test，WEFAT）。
80680发布于 2018-05-07 - 来自专栏AI研习社
在玩图像分类和图像分割？来挑战基于 TensorFlow 的图像注解生成！
为了把词语转换成适合 LSTM 输入的固定长度表示，我们使用了一个 embedding 层，它能学习把词语映射到 256 维的特征（或 word-embedding）。 Word-embedding 帮助我们把词语表示为矢量，相近的词语矢量在语义上也是近似的。 在 VGG-16 图像分类器里，卷积层提取了 4,096 维表示，传入最终的 softmax 层进行分类。
1.3K40发布于 2018-03-28 - 来自专栏Pytorch实践
机器是如何做阅读理解的？
选取的特征一般为 word-embedding和character-level embedding进行拼接，再添加一下额外的特征，例如词性、实体等。分别对文章和问题进行编码。
2.4K70发布于 2018-04-16 - 来自专栏AI科技大本营的专栏
AI 生成假文件，用套娃让黑客自我怀疑
而本文提出的 WE-FORGE 系统，基于 Word-Embedding 技术，完全消除了对本体的需求，可以自动制造虚假文件，来保护药物设计和军事技术等方面的知识产权。
44920编辑于 2023-05-08 - 来自专栏Datawhale专栏
NLP入门之路及学习方法：从任务实践入手！
简单理解domain-embedding其实和word-embedding是一个意思，只不过这里的“词表”对应你有多少个Domain，向量具体如何得出不做展开【详见Reference 3】，只需要记住它是一个类似 word-embedding的参数矩阵就好。
91530发布于 2020-03-19 - 来自专栏程序随笔
聊聊Embedding(嵌入向量)
ELMo的提出意味着我们从词嵌入（Word Embedding）时代进入了语境词嵌入（Contextualized Word-Embedding）时代！
2.2K10编辑于 2023-10-19 - 来自专栏自然语言处理
零基础入门NLP - 新闻文本分类 方案整理
如在双向GRU后接上最大池化和平均池化，并拼接上word-embedding层的池化等等。总体在0.95-0.96。
1.8K10发布于 2020-11-24 - 来自专栏漫漫深度学习路
pytorch学习笔记（十九）：torchtext
', format='tsv', fields=[('Text', TEXT), ('Label', LABEL)]) 然后构建语料库的 Vocabulary， 同时，加载预训练的 word-embedding
2.8K30发布于 2019-05-26 - 来自专栏前行的CVer
图神经网络3-应用:零样本动作识别
这之后，把 $\hat V$ 和object 的word-embedding向量 $\left\{s_{o}\right\}_{o=1}^{O}$ 相乘构成 graph的特征，即$\mathbf{X}^
1.2K10发布于 2021-03-04 - 来自专栏全栈程序员必看
CBOW全称_skip的形式
就是这个output和target之间的的差（output的V维向量和input vector的one-hot编码向量的差），该神经网络的目的就是最小化这个loss； 优化结束后，隐藏层的N维向量就可以作为Word-Embedding
2.3K30编辑于 2022-10-04 - 来自专栏DT数据侠
海量游戏、影视究竟哪部才是你的菜？交给这个推荐系统帮你选
数据侠Stefan，Yvonne 和 Daniel 为自己设计了一个电子游戏、电视节目和电影的推荐系统 Metarecommendr，使用词嵌入（word-embedding）神经网络、情感分析和协同过滤来为你作出最佳的推荐选择
46700发布于 2018-08-08 - 来自专栏朴素人工智能
Soft-Masked BERT：文本纠错与BERT的最新结合
论文简要分析 具体来看，模型Input是字粒度的word-embedding，可以使用BERT-Embedding层的输出或者word2vec。
2.6K50发布于 2020-06-05 - 来自专栏NLP/KG
3.词向量word2vec（图学习参考资料1）
隐藏层： 一个形状为V×N的参数张量W1，一般称为word-embedding，N表示每个词的词向量长度，我们假设为128。 可视化网络训练效果，代码如下：batch_size = 512epoch_num = 3embedding_size = 200step = 0learning_rate = 0.001#定义一个使用word-embedding 查询同义词的函数#这个函数query_token是要查询的词，k表示要返回多少个最相似的词，embed是我们学习到的word-embedding参数#我们通过计算不同词之间的cosine距离，来衡量词和词的相似度
70800编辑于 2022-11-20 - 来自专栏AI科技评论
EMNLP 2018 上 FB 、谷歌继续并肩「刷榜」，瓜分最佳长论文和十分之一接收论文
2017 年中，词嵌入（word-embedding）毫无疑问是最为火热的方法，以至于有人开玩笑说 EMNLP 的名称「自然语言处理实证方法（Empirical Methods in Natural Language
52920发布于 2018-12-11 - 来自专栏Coding迪斯尼
用深度学习实现自然语言处理：word embedding，单词向量化
one-hot-vector对单词进行编码有很多缺陷，一是冗余过多，一大堆0，然后只有一个1，二是向量的维度过高，有多少个单词，向量就有多少维度，这会给计算带来很多麻烦，word-embedding把原来高维度的冗余向量转换为低纬度的
1.5K11发布于 2018-08-16 - 来自专栏计算机工具
自然语言处理2-NLP
隐藏层： 一个形状为V×N的参数张量W1，一般称为word-embedding，N表示每个词的词向量长度，我们假设为128。
29411编辑于 2024-12-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号