回答情况：
提问时间：
问题标签：
我正在尝试学习一个语言模型来预测一个句子的最后一个单词，给出所有前面的单词使用角语。我想嵌入我的输入使用一个学习的快速文本嵌入模型。Y是形状(44317,300)，每一个例子都是句子的最后一个标记的嵌入。我为keras模型编写的代
浏览 7修改于2021-11-17得票数 1
回答已采纳
对于无监督文本聚类，关键是文本的init嵌入。BERT不能很好地嵌入init。如果我们不使用深度模型，是否有更好的方法来获得比手套文字更好的嵌入？
浏览 0提问于2020-07-17得票数 0
我决定采用head first方法，从fastText开始，它提供库和经过预处理的数据集，但很快就被困在了文档中：在CBOW模型中，将上下文(或周围词)的分布式表示结合起来来预测中间的单词。而在Skip模型中，使
浏览 0修改于2020-03-23得票数 4
回答已采纳
我使用Whisper模型来识别语音，然后通过从文本中生成SBERT嵌入并根据余弦相似性对已知问题进行排序，然后将输出文本与已知问题列表进行匹配，并将已知问题与Whisper输出的文本的SBERT嵌入进行排序我想简化一下这个过程，我知道我可以从低语模型输出中获得编码器嵌入，而不仅仅是转录的文本。
我的问题是:把这些步骤融合在一起的最好方法是什么？更普遍地说，是否有一种很好的方法将嵌入从一个模型向量空间
浏览 0提问于2023-02-07得票数 0
回答已采纳
我正在用TensorFlow开发一个自定义的文本分类模型，现在我想用TensorFlow serving来设置它，以便进行生产部署。该模型基于通过单独的模型计算的文本嵌入进行预测，该模型要求将原始文本编码为向量。我现在以一种有点脱节的方式工作，一个服务完成所有的文本预处理，然后计算嵌入，然后将嵌入作为嵌入的文本向量发送到文本分类器。如果我们能将所
浏览 19提问于2020-01-04得票数 1
回答已采纳
我有一个文本分类深度学习模型，它接收一个文本并输出一个softmax概率。我使用手套嵌入来表示DL模型的数字形式的输入文本。那么，我在我的模型中做了哪些改变，从嵌入技术到网络，或者无论如何，让模型不依赖于一些单词，并迫使它考虑整个句子？
浏览 0提问于2021-11-02得票数 2
回答已采纳
我正在使用python3中的Tensorflow keras库对未知文本大小进行文本摘要。
指标0，0= 30不在[0，13][节点模型2/嵌入_1/嵌入
浏览 7提问于2021-07-28得票数 0
我正在做一个监督的二进制文本分类任务。对于每个站点的文本来说，域内性能看起来都很好。(92%~94%)。然而，如果我将一个站点的文本培训模型直接应用到另一个站点的文本上(不进行微调)，那么性能就会大大降低。(7%-16%的精度降级)。我已经尝试过的方法：Bert嵌入+ logistic回归。(使用bert -as-a-服
浏览 0修改于2020-07-21得票数 2
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快速文本权重将通过培训过程更新(更新权重会产生更好的结果)。我想知道更新的嵌入权重是否会扭曲词之间的语义相似性关系，并破坏快速
浏览 2提问于2017-05-19得票数 2
回答已采纳
我正在尝试使用gensim word2vec模型来获得最可能的单词序列。我找到了一个预先训练好的模型，它提供了这些文件：word2vec.bin.syn0.npy这是我的代码，试图用这个模型获得句子的概率一般来说，我希望使用一些预训练模型来获得单词序列一起出现的概率。
浏览 0提问于2017-09-06得票数 1
我想找一些人来训练一个传统的神经网络模型，它的bert嵌入是动态生成的(BERT上下文化嵌入，它为相同的单词生成不同的嵌入，当不同的上下文出现时，它会产生不同的嵌入)。在正常的神经网络模型中，我们会用手套或快速文本嵌入来初始化模型，
embed.weight.data.copy_(some_va
浏览 0提问于2019-03-27得票数 6
我是语言模型培训的新手，我希望有人能解释如何从一个受过训练的模型中实际生成文本。我在网上找到的任何示例代码都只是模型培训和打印出嵌入。我不明白嵌入的意义。我的目标是打印文本。我是否可以使用此代码创建的模型来实际解释输入文本，而不只是打印嵌入？
浏览 5修改于2022-02-07得票数 0
在我发现的关于基于单词的RNN模型(LSTM或GRU)的文本生成的许多来源中，对模型进行了训练，以执行跨词汇表的分类任务(例如，使用分类交叉熵损失)来预测下一个单词。可以为启动器找到一个示例这里。在我看来，首先使用像伯特这样的预先训练过的模型，为训练/测试数据集中的每个单词获取上下文嵌入似乎要实际得多。然后，序列模型可以使用一个损失函数来预测单词，该函数使用MSE或余弦相似度(CosineEmbeddingLoss)度量预测与实际嵌入之间的距离。嵌入<
浏览 0提问于2022-07-10得票数 1
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，你给模型一些文本输入，它给出一个向量作为输出。谢谢。
浏览 3提问于2018-03-10得票数 5
我有一组用神经网络训练的嵌入，与gensim的word2vec无关。那么，如何开始将学习从word2vec文本文件
浏览 8提问于2017-12-24得票数 1
1回答
我创建了一些文档嵌入，然后在文本分类任务中进一步使用它们。在重新查看我的代码之后，我不确定我用来训练文档嵌入的工作流。现在我的问题是:数据分割的合适时机在哪里？在创建文档嵌入之前是否应该这样做以防
浏览 0提问于2019-12-11得票数 2
回答已采纳
我想训练一个生成文本的模型，类似于->嵌入-> LSTM -> 1热编码“下一个单词”的词义序列->嵌入-> LSTM ->嵌入序列-下一个单词的向量
我的问题是，当模型正在动态地学习嵌
浏览 2提问于2017-02-15得票数 4
回答已采纳
我已经训练了一个supervised_embeddings拉萨NLU模型使用rasa train nlu。对于我的特定用例，我现在需要获取输入用户消息的嵌入，并将嵌入与我的NLU培训数据中的消息进行比较。
是否可以使用Python来加载经过训练的模型，并使用它来获得文本字符串的嵌入？
浏览 6提问于2020-02-06得票数 0
回答已采纳
1回答
我正在研究一个嵌入模型，其中有一个BERT模型，它接收文本输入并输出多维向量。该模型的目的是为相似的文本找到相似的嵌入(高余弦相似度)，对于不相似的文本寻找不同的嵌入(低余弦相似度)。在小型批处理模式下进行训练时，BERT模型给出N*D维输出，其中N是批处理大小，D是BERT模型的输出维数。我想做的是通过找到BERT输出中所有嵌入的余弦相似性，并将其与目标矩阵进行比较，找到整个批处
浏览 5修改于2020-12-31得票数 0
回答已采纳
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