热门标签
热门文章
- 1opencv python 把图(cv2下)BGR转RGB，且HWC转CHW_opencv transpose(2,0,1)
- 22024年网易Java岗面试必问，2024蚂蚁金服Java面试真题解析
- 3通用图形处理单元GPGPU计算管线（General Purpose computation on Graphics Processing Units）介绍
- 4Gitee崩了？大量仓库被关闭！官方答复“迫于无奈”
- 5国开大学2024《学前儿童游戏指导》（统设课）
- 6多光谱遥感时空融合综述、分类、方法、应用以及未来方向_多光谱遥感应用
- 7Blender图解教程：使用运动路径(Motion Path)观察骨骼的运动轨迹_blender motion path
- 8用Pygame写俄罗斯方块_pygame俄罗斯方块代码
- 9数据结构之链表（Java实现）_java实现链表
- 10windows下启动Apache报443错误！
当前位置: article > 正文
Word Embedding
作者：神奇cpp | 2024-07-24 09:33:59
赞
踩
word embedding
1.什么是Word Embedding
Word Embedding：将文本转化成数字。这种转化是非常有必要的，因为许多的机器学习算法不能直接处理文本字符，需要将输入转变成向量或者张量。World Embedding的目的是用更低的空间创建向量表示，这被称之为Word Vectors(词向量)。
从一个文本语料库中构造一个低维的向量表示，保存一个单词的语义相似性。
2.使用向量表示字符有两个特点：
（1）降低了维度——更有效的表示
（2）语义文本相似性——更有表现力的表示
3.Word Vector(词向量)
词向量被用作语义解析，能够从文本中提取词要表达的意思使自然语言模型能够理解。自然语言模型能够预测到文本的含义需要掌握单词的语义相似性。比如跟水果有关的单词，我们想要发现的应该是生长、吃、果汁等这些有关联的词。
生成World Embedding 最著名的方法是word2vec
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/神奇cpp/article/detail/873922
推荐阅读
相关标签
