arXiv (Cornell University)· 2013· Ön baskı
Vektör Uzayında Kelime Temsillerinin Verimli Tahmini
Efficient Estimation of Word Representations in Vector Space
- 11.737atıf
- 2013yıl
Kısa özet
Yeni sinir ağı mimarileri, 1.6 milyar kelimelik bir veri setinden bir günden kısa sürede yüksek kaliteli kelime vektörleri öğrenerek, önemli ölçüde daha düşük hesaplama maliyetiyle son teknoloji kelime benzerliği doğruluğu elde ediyor.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Kelime vektör temsilleri için iki yeni sinir ağı mimarisi tanıtıldı.
- Kelime benzerliği görevlerinde son teknoloji doğruluğu elde edildi.
- Hesaplama maliyeti önemli ölçüde azaltıldı; 1.6 milyar kelimeden bir günden kısa sürede öğrenme sağlandı.
- Sözdizimsel ve anlamsal benzerliklerin ölçülmesinde üstün performans gösterildi.
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 previ-ously 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 perfor-mance 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