文字2vec

这个工具提供了一个有效的实现连续的单词包和skip-gram结构来计算单词的向量表示。这些表示可以随后用于许多自然语言处理应用和进一步的研究。word2vec工具以文本语料库为输入,生成单词向量作为输出。它首先从训练文本数据中构造词汇,然后学习单词的向量表示。所得到的词向量文件可以作为许多自然语言处理和机器学习应用的特征。。


zbMATH参考文献(参考 89篇文章 参考)

显示第1到第20个结果,共89个。
按年份排序(引用)
  1. Baechler,Gilles;Dümbgen,Frederike;Elhami,Golnoosh;Kreković,Miranda;Vetterli,Martin:坐标差分矩阵(2020年)
  2. 谢方舟:剪枝Wasserstein指数生成模型与wigpy包(2020)第十四章
  3. Fürnkranz,Johannes;Kliegr,Tomš;Paulheim,Heiko:关于认知偏好和基于规则的模型的合理性(2020)
  4. Ito,Tomoki;Tsubouchi,Kota;Sakaji,Hiroki;Yamashita,Tatsuo;Izumi,Kiyoshi:基于云的金融评论情绪可视化概念(2020)
  5. Kreĭnes,M.G.;Kreĭnes,Elena M.:矩阵文本模型。文本语料库模型(2020)
  6. Kreĭnes,M.G.;Kreĭnes,Elena M.:矩阵文本模型。文本模型与文本内容相似度(2020)
  7. 麦塔普基应用;麦塔普基;麦塔普基;麦塔普基;麦塔普提模型;2020年
  8. Lee,O-Joun;Jung,Jason J.:故事嵌入:基于角色网络学习分布式故事表示(2020)
  9. Liberti,Leo:距离几何和数据科学(2020)
  10. 李丹丹;萨默斯.斯塔,道格拉斯:词和关系相似性的双重嵌入和度量(2020)
  11. Nguyen,Thi Thang Sang;Do,Pham Minh Thu:用NaiveBayes训练大型数据集的分类优化(2020)
  12. Pasini,Tommaso;Navigli,Roberto:Train-o-matic:无需(手动)努力的监督词义消歧(2020年)
  13. Pio,Gianvito;Ceci,米开朗基罗;Prisciandaro,Francesca;Malerba,Donato:基于图嵌入的基因网络重构中的因果关系挖掘(2020)
  14. Ruiz,Francisco J.R.;Athy,Susan;Blei,David M.:购物者:一个带有替代品和互补品的消费者选择概率模型(2020年)
  15. Simpson,Edwin;Gurevych,Iryna:人群的可伸缩贝叶斯偏好学习(2020)
  16. Skelac,Ines;Jandrić,Andrej:意即用:从Wittgenstein到Google的word2vec(2020)
  17. van Engelen,Jesper E.;Hoos,Holger H.:半监督学习调查(2020)
  18. 安德烈亚·凡佐;克罗齐,丹尼洛;巴斯蒂安内利,伊曼纽尔;巴西里,罗伯托;纳尔迪,丹妮尔:《通过结构化学习对机器人指令的基础语言解释》(2020年)
  19. 托尼·维莱:《改变渠道:创造性文本流的不同方法》(2020)
  20. 谢方舟:Wasserstein指数生成模型:时间序列指数的自动生成及其在经济政策不确定性中的应用(2020)