Word2VEC

该工具提供了连续的单词包和跳过CG架构的高效实现,用于计算单词的矢量表示。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工具以文本语料库作为输入,并产生字向量作为输出。首先从训练文本数据中构造词汇,然后学习单词的矢量表示。所得到的词向量文件可以被用作许多自然语言处理和机器学习应用的特征。


ZBMaCT中的参考文献(69篇文章中引用)

显示结果1至20的69。
按年份排序(引文
  1. 李,Gee Y.;曼斯基,史葛;Maiti,TababaT:词汇嵌入模型的精算应用(2020)
  2. 李,O-Joun;Jung,Jason J.:故事嵌入:学习基于字符网络的故事的分布式表示(2020)
  3. Pasini,Tommaso;Navigi,罗伯托:Too-O-Mix:有监督的词义消歧,没有(手动)努力(2020)
  4. van Engelen,Jesper E.;HoOS,Holger H.:半监督学习综述(2020)
  5. Vanzo,安德列;克罗齐,达尼洛;BasTieli,Enimuele;Basili,罗伯托;Nadii,Daniele:通过结构化学习解释机器人命令的接地语言(2020)
  6. 谢:Fangzhou:瓦瑟斯坦指数生成模型: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)
  7. Abdolahi,Mohamad;ZaHeDi,MordyZ:一种利用Word2VEC(2019)进行句子矢量归一化的新方法
  8. 罗德里戈,Rigu,德语:语言独立序列标记用于意见目标提取(2019)
  9. Arronte Alvarez,Atector;G·梅兹·马丁,弗朗西斯科:民歌主题的分布式矢量表示(2019)
  10. Barbot,N;McLead,L.;Prad,H.:概念之间的类比(2019)
  11. Cichosz,PAWE:讨论论坛文章的文本挖掘:用词袋和全局向量分类(2019)
  12. 戴,本;王,军恢:查询相关排序及其渐近性质(2019)
  13. 何,Zhengqiu;陈,Wenliang;李,Zhenghua;张,魏;邵,郝;张,min:用于神经关系抽取的句法感知实体表示(2019)
  14. 回,张;Yanchun;Liang;程,彭;四余、韩、魏、杜、英、李:基于异构网络深度挖掘的网络拓扑相似性预测LNCRNA疾病关联(2019)
  15. Jain,Gauri;夏尔马,玛尼莎;阿加沃尔,巴桑特:社交媒体中使用卷积和长短记忆神经网络的垃圾邮件检测(2019)
  16. 吕德克,Timo;阿戈斯蒂尼,亚历杭德罗;Fauth,米迦勒;塔莫西纳特,米尼亚河;W·R·G·T,弗罗仁汀:视觉场景中对象的分布语义与文本比较(2019)
  17. Prasse,保罗;KayaBeL,Ree;MaCula,Lukaa];Pevn,Tom;Scheffer,托拜厄斯:恶意域和受感染客户端的联合检测(2019)
  18. 宋,Yangqiu;奥巴迪,Shyam;彭,Haoruo;Mayhew,史蒂芬;罗斯,丹:走向任何语言零镜头主题分类文本文献(2019)
  19. Tillquist,Richard C.;LADELSER,Manuel E.:基因组序列的低维表示(2019)
  20. WijnStand,Gijs;Sadrzadeh,Mehrnoosh:一种类型驱动的向量语义,用有限收缩的LAMBEK演算进行省略的回指(2019)