Câu hỏi được gắn thẻ «natural-language»

Có Mạng thần kinh tái phát và Mạng thần kinh đệ quy. Cả hai thường được ký hiệu bằng cùng một từ viết tắt: RNN. Theo Wikipedia , NN tái phát thực tế là NN đệ quy, nhưng tôi không thực sự hiểu lời giải thích. Hơn nữa, tôi dường …

48 machine-learning  neural-networks  deep-learning  natural-language 

Tôi muốn tìm hiểu Mạng lưới thần kinh. Tôi là một nhà ngôn ngữ học tính toán. Tôi biết phương pháp học máy thống kê và có thể viết mã bằng Python. Tôi đang tìm cách bắt đầu với các khái niệm của nó và biết một hoặc hai mô …

43 neural-networks  deep-learning  references  natural-language  computer-vision 

Tôi đang cố gắng hiểu thế nào là tương đồng giữa Phân bổ Dirichlet tiềm ẩn và word2vec để tính độ tương tự từ. Theo tôi hiểu, LDA ánh xạ các từ thành một vectơ xác suất của các chủ đề tiềm ẩn , trong khi word2vec ánh xạ chúng …

39 machine-learning  self-study  natural-language  latent-variable  word2vec 

Làm cách nào để sử dụng từ nhúng để ánh xạ tài liệu tới vectơ đặc trưng, ​​phù hợp để sử dụng với việc học có giám sát? Một từ nhúng ánh xạ mỗi từ vào một vectơ , trong đó là một số không quá lớn (ví dụ: 500). …

38 classification  natural-language  supervised-learning  word2vec  word-embeddings 

Sau khi đào tạo các vectơ từ với word2vec, tốt hơn là bình thường hóa chúng trước khi sử dụng chúng cho một số ứng dụng tiếp theo? Tức là những ưu / nhược điểm của việc bình thường hóa chúng là gì?

38 natural-language  word2vec  word-embeddings 

Tôi hiểu rằng HMM (Mô hình Markov ẩn) là mô hình thế hệ và CRF là mô hình phân biệt đối xử. Tôi cũng hiểu cách CRF (Trường ngẫu nhiên có điều kiện) được thiết kế và sử dụng. Điều tôi không hiểu là chúng khác với HMM như thế …

33 machine-learning  hidden-markov-model  natural-language  conditional-random-field 

Tôi đang sử dụng dấu mũ để chạy một rừng ngẫu nhiên được xác thực chéo qua tập dữ liệu. Biến Y là một yếu tố. Không có NaN, Inf, hoặc NA trong tập dữ liệu của tôi. Tuy nhiên, khi chạy rừng ngẫu nhiên, tôi nhận được Error in …

29 r  random-forest  caret  regression  prediction  fitting  social-science  poisson-distribution  distributions  characteristic-function  bayesian  prior  regression  normal-distribution  interaction  nonparametric  skewness  svm  standard-deviation  standard-error  regression-coefficients  igraph  natural-language  word2vec  word-embeddings  regression  machine-learning  sampling  r  regression  machine-learning  random-forest  ensemble  sampling  unbiased-estimator  proof  estimators  mse  probability  conditional-probability  bayes  anova  missing-data  neural-networks  recommender-system  r  confidence-interval  sample  multiple-imputation  r  time-series  forecasting  mase 

Giống hệt ý nghĩa, rằng nó sẽ tạo ra kết quả giống hệt nhau cho một sự tương đồng giữa bảng xếp hạng một vector u và một tập hợp các vectơ V . Tôi có một mô hình không gian vectơ có thước đo khoảng cách (khoảng cách euclide, …

27 normalization  natural-language  euclidean  cosine-distance  cosine-similarity 

Các mô hình chủ đề phổ biến như LDA thường phân cụm các từ có xu hướng cùng xuất hiện trong cùng một chủ đề (cụm). Sự khác biệt chính giữa các mô hình chủ đề như vậy và các phương pháp phân cụm dựa trên sự xuất hiện đơn …

26 machine-learning  text-mining  natural-language  topic-models 

Tôi đã rất ấn tượng với kết quả trong bài báo " Các đại diện phân phát về câu và tài liệu " của ICML 2014 của Le và Mikolov. Kỹ thuật mà họ mô tả, được gọi là "vectơ đoạn", học các biểu diễn không được giám sát của …

20 text-mining  natural-language  word-embeddings  sentiment-analysis  reproducible-research 

Tôi tự hỏi tại sao Skip-gram tốt hơn cho các từ không thường xuyên hơn CBOW trong word2vec. Tôi đã đọc khiếu nại trên https://code.google.com.vn/p/word2vec/ .

19 natural-language  word2vec  word-embeddings 

Vì hiện tại, câu hỏi này không phù hợp với định dạng Hỏi & Đáp của chúng tôi. Chúng tôi hy vọng câu trả lời sẽ được hỗ trợ bởi các sự kiện, tài liệu tham khảo hoặc chuyên môn, nhưng câu hỏi này có thể sẽ thu hút tranh …

18 machine-learning  text-mining  natural-language 

Từ những gì tôi đã thấy, công thức làm mịn Kneser-Ney (bậc hai) theo cách này hay cách khác được đưa ra như P2KN(wn|wn−1)=max{C(wn−1,wn)−D,0}∑w′C(wn−1,w′)+λ(wn−1)×Pcont(wn)PKN2(wn|wn−1)=max{C(wn−1,wn)−D,0}∑w′C(wn−1,w′)+λ(wn−1)×Pcont(wn) \begin{align} P^2_{KN}(w_n|w_{n-1}) &= \frac{\max \left\{ C\left(w_{n-1}, w_n\right) - D, 0\right\}}{\sum_{w'} C\left(w_{n-1}, w'\right)} + \lambda(w_{n-1}) \times P_{cont}(w_n) \end{align} với hệ số chuẩn hóa được cho làλ(wn−1)λ(wn−1)\lambda(w_{n-1}) λ(wn−1)=D∑w′C(wn−1,w′)×N1+(wn−1∙)λ(wn−1)=D∑w′C(wn−1,w′)×N1+(wn−1∙) …

15 machine-learning  natural-language  naive-bayes  smoothing  language-models 

Lấy cảm hứng từ câu hỏi này , tôi tự hỏi liệu có bất kỳ công việc nào đã được thực hiện trên các mô hình chủ đề cho các bộ sưu tập lớn các văn bản cực ngắn. Trực giác của tôi là Twitter nên là nguồn cảm hứng …

14 references  text-mining  topic-models  natural-language 

Khi thực hiện xử lý ngôn ngữ tự nhiên, người ta có thể lấy một kho văn bản và đánh giá xác suất của từ tiếp theo xảy ra trong một chuỗi n. n thường được chọn là 2 hoặc 3 (bigram và trigram). Có một điểm đã biết mà …

13 text-mining  natural-language