Что за сетку обучаешь?
31.12.2016, 16:20
Классификатор, значит?
Я тут недавно накидывал свёрточную (да-да, именно её. Только свёртка одномерная и охватывающая весь вектор) для этих целей. Точнее как - подглядел готовую реализацию, и склепал чуть более удобную обёртку к ней.
Так что был бы рад увидеть сравнение точности классификации.
http://bitbucket.org/alex43210/pynlc
Я тут недавно накидывал свёрточную (да-да, именно её. Только свёртка одномерная и охватывающая весь вектор) для этих целей. Точнее как - подглядел готовую реализацию, и склепал чуть более удобную обёртку к ней.
Так что был бы рад увидеть сравнение точности классификации.
http://bitbucket.org/alex43210/pynlc
Ты совсем дурак?
Вот как мне, простому гуманитарию, читать это?
Вот как мне, простому гуманитарию, читать это?
Но почему ты думаешь, что всё должны читать простые гуманитарии? :-)
Если вдруг интересно - объясняю.
LSTM - один из типов нейронной сети, которые можно использовать для обработки последовательностей чисел/векторов.
word2vec - одна из технологий для получения векторного представления слов. Читай - подменяем каждой слово, допустим, сотней чисел. Киллерфича в том, что эта сотня для схожих по употреблению (читай - упоминаемых в похожих контекстах) слов они с высокой вероятностью будут близки. Т.е. условное length(vector("car") - vector("bus"))
Если вдруг интересно - объясняю.
LSTM - один из типов нейронной сети, которые можно использовать для обработки последовательностей чисел/векторов.
word2vec - одна из технологий для получения векторного представления слов. Читай - подменяем каждой слово, допустим, сотней чисел. Киллерфича в том, что эта сотня для схожих по употреблению (читай - упоминаемых в похожих контекстах) слов они с высокой вероятностью будут близки. Т.е. условное length(vector("car") - vector("bus"))
Очень доходчего, спс
Чтобы написать коммент, необходимо залогиниться
