1回答
我一直在研究用RNNs生成文本，似乎常用的技术是逐字符输入文本，并让RNN预测下一个字符。我是不是遗漏了什么？此外，是否有可能创建一个单词预测神经网络，但通过在word2vec上输入预先训练过的单词，以便该神经网络能够理解它们的含
浏览 2提问于2018-01-10得票数 5
回答已采纳
我有这项研究的任务，并搜索了一段时间的框架或论文，已经解决了这个问题。higher, bigger, greater, wider ...现在我想找出，在给定的单词中，哪一个词最适合于句子中预先定义的位置。这个例子中最合适的词是“更大”，但“更高”也可以。在我的具体情况下，如果有人写得更宽，我想显示一个错误消息，因为在这个语义上下文中
浏览 0提问于2019-03-26得票数 1
回答已采纳
1回答
因此，我在Java语言中使用word2vec，并尝试以某种方式训练它，以便它为我提供单词和句子的向量表示。
我可以使用它将输入输入到神经网络中，以根据word2vec数据获得响应吗？
浏览 4提问于2016-03-11得票数 2
0回答
我正在尝试用递归神经网络预测单词。我通过将独立预训练的单词word2vec作为输入来训练网络。我应该如何设置输入和目标？
浏览 3提问于2017-06-13得票数 0
回答已采纳
1回答
传统上，RNNs似乎使用logits来预测序列中的下一个时间步骤。在我的例子中，我需要RNN输出一个word2vec (50深度)向量预测。这意味着成本函数已经建立在两个向量之上：Y是序列中下一个单词的实际向量，Y_hat是网络预测。我尝试过使用cosine distance成本函数，但网络似乎没有学习(我让它在AWS P3上运行了另外10个小时，成本总是在0.7左右)
这样的模式有可能吗？如果是的话，应该使用什么成
浏览 1提问于2018-02-17得票数 10
在阅读有关文本生成的递归神经网络时，我注意到一些例子被逐字生成文本，而另一些例子却没有具体说明原因。
那么，预测每单词文本的RNN模型和预测每字符文本的RNN模型有什么区别呢？基于单词的RNN需要更大的语料库吗？基于字符的RNN推广得更好吗？也许唯一的区别是输入表示(一次热编码，字嵌入)？为文
浏览 0提问于2016-08-01得票数 19
回答已采纳
1回答
从一组词中预测单词
、、、、
我的任务是根据对一个想法的简短描述来预测相关的单词。我的想法是把最初的文本当作一组单词(在词组化和停止词组删除之后)，并预测应该在该集合中的单词。然后，我可以把我所有的文字(其中我有很多)，删除一个词，并学会预测它。我不认为RNN在这里是相关的，因为我想使用一组单词--它们没有任何顺序，我不想以任何方式预测下一
浏览 0提问于2019-07-02得票数 2
我正在研究基于深度学习的推荐系统。我想知道是否可以使用Word2vec库而不是RNN从用户会话日志和应用程序日志文件中提取特性/信息，以帮助预测最终用户感兴趣的更准确的项.如果有人能给我一个更好的解决方案，这将是非常有帮助的。
浏览 5提问于2022-01-05得票数 2
1回答
我是机器学习的新手，我想开发一个应用程序，它可以从多个用户的bash历史记录中获取所有数据，并根据其他用户的执行命令来预测其他用户的下一个命令。
我找了很久，但没有找到任何好的答案。如果知道类似代码的示例，或者有任何可能有用的注释，如what algorithm.etc，请感谢ML专家的帮助。我是不是应该调查。
浏览 0提问于2019-12-06得票数 0
我不是以英语为母语的人，我经常用奥兹迪奇来找到正确的词汇选择。总体来说，它很好，但是它的数据库非常有限。我认为基于Word2Vec的工具应该能够在找到搭配/共存方面做得很好。对于跳过格，给定一个单词w周围的n个字的窗口大小，word2vec预测上下文单词c；即概率p(c=w)的表示法。相反，CBOW预测当前单词，给定窗口中的</
浏览 0提问于2016-04-30得票数 3
1回答
序列模型Word2vec
、、、、
7890 Boho XYZ345 7890 Salefrom gensim.models import Word2Vec
['World','o
浏览 3提问于2018-10-18得票数 1
1回答
LSTM/RNN可用于文本生成。展示了为Keras模型使用预先训练的GloVe单词嵌入的方法。
# Sample code to prepare word2vec word embeddings
impo
浏览 4提问于2017-02-06得票数 26
1回答
CBOW:我们正试图根据上下文(定义为目标单词周围的某个单词窗口)来预测下一个单词。
RNN还可用于预测序列中的下一个单词，其中每次输入都是当前输入和最近过去(即前一步的输出)。我无法理解RNN的方法是如何更好的，因为我可以为CBOW定义一个非常大的窗口，然后它也将根据先前的信息预测单词。为什
浏览 0提问于2021-08-19得票数 0
我试图建立一个单词-RNN等价于Char-RNN，网络应该在一个句子中生成下一个单词。作为输入，我使用预先训练过的word2vec 100-弱矢量，隐层大小为200.我的主要问题是输出层，它应该如何设计？在char-rnn中，输出是具有字符概率分布(softmax)的词汇量(唯一字符数)向量.因此，生成下一个字符只是从这个分布中取样。但是当我的单词词汇量超过300 K时使用word2vec<
浏览 1提问于2017-10-08得票数 1
回答已采纳
在使用word2vec时，如果当前单词是US或monday，我如何检查单词the出现在US之前的概率很高；next出现在单词monday之前的概率很高，依此类推。
浏览 0提问于2017-05-25得票数 0
word2vec可以用来猜测仅有上下文的单词吗？在使用大型数据集(例如谷歌新闻)训练模型后，我如何使用word2vec来预测只有上下文的相似单词，例如使用输入“统治国际象棋超过15年的人将在密苏里州圣路易斯市与九名顶级棋手竞争。”这不是word2vec的用意吗？
浏览 13提问于2017-07-06得票数 2
回答已采纳
import gensim
model=Word2Vec.load_word2vec_formatGoogleNews-vectors-negative300.bin') print(model.wv.predict_output_word('king'，'man'，topn=10))
错误：_pickle.UnpicklingError:无效的加载键
浏览 2提问于2018-06-13得票数 2
nn.Embedding()对于学习LSTM是必不可少的吗？就代码而言，我使用的代码几乎与上述教程中的代码相同。唯一的细节是-我使用的是word2Vec而不是nn.Embedding()。
因此，我删除了nn.Embedding()层，直接从word2Vec中提供了前向函数。RNN不学习。因此，nn.Embedding()对于学习LSTM是必不
浏览 3提问于2018-05-14得票数 2
回答已采纳
1回答
对于在NLP任务中使用word嵌入这一领域，我还是比较陌生的。从大量的文档集中，我训练了word2vec词嵌入向量，然后结合基于RNN的分类器(LSTM，GRU)进行文档分类，这是目前比较成熟的一种标准分类方法。有一个问题:我们应该在文档分类培训期间更新单词嵌入。
在过去，我已经习惯了像图像分类/目标检测这样的任务。你得到一个图像输入，从该图像中提取的卷积特征在CNN的数值优化过程中被更新
浏览 0提问于2018-09-10得票数 5
1回答
我想知道skip-gram模型的window_size如何影响词嵌入时预测相似词的准确性。在什么情况下，准确率会下降和上升。
谢谢。
浏览 4提问于2020-03-11得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
