arXiv (Cornell University)· 2013· Ön baskı
Vektör Uzayında Kelime Temsillerinin Verimli Tahmini
Efficient Estimation of Word Representations in Vector Space
- 18.154atıf
- 2013yıl
Kısa özet
Bu makale, çok büyük veri kümelerinden kelime vektör temsilleri oluşturmanın doğruluğunu önemli ölçüde artıran ve hesaplama maliyetini düşüren iki yeni model mimarisi sunmaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Kelime vektör temsili için iki yeni model mimarisi tanıtıldı.
- Önceki tekniklere kıyasla doğrulukta büyük iyileştirmeler sağlandı.
- Hesaplama maliyeti önemli ölçüde azaltıldı, 1.6 milyar kelimelik bir veri kümesinden bir günden kısa sürede öğrenme sağlandı.
- Sözdizimsel ve anlamsal kelime benzerliği görevlerinde en gelişmiş performansı gösterdi.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
We propose two novel model architectures for computing continuous vector representations of words from very large data sets. The quality of these representations is measured in a word similarity task, and the results are compared to the previously best performing techniques based on different types of neural networks. We observe large improvements in accuracy at much lower computational cost, i.e. it takes less than a day to learn high quality word vectors from a 1.6 billion words data set. Furthermore, we show that these vectors provide state-of-the-art performance on our test set for measuring syntactic and semantic word similarities.
Yazarların özeti; kaynağından alınmıştır. arXiv (Cornell University), 2013 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Yapay Zeka
Artificial IntelligenceComputer Science