問題タブ [word2vec]

Doc2vecを使用して2つのテキストドキュメントのドキュメントベクトルを取得するには? 私はこれが初めてなので、誰かが私を正しい方向に向けてくれたり、チュートリアルを手伝ってくれたりすると助かります

私はゲンシムを使用しています。

私は得る

AttributeError: 'list' オブジェクトに属性 'words' がありません

これを実行するたびに。

を使用してウィキペディアを処理したいgensim.corpora.wikicorpus。私の最終的な目的は、そこからWord2Vecモデルをトレーニングすることです。

動作していますが、スペイン語のアクセント付き母音に問題があります: á、é、í、ó、ú。

それらをa、e、i、o、uに正規化したい。

gensimにはdeaccent関数があるようですが、コーパスの構築中に直接適用したいと思います。これはできますか？

これが実際の例です：

私の知る限り、doc2vec はドキュメントと単語の両方の埋め込みを計算します。単語ベクトルと文書ベクトルを使用して、単語と文書の類似度を推定したり、文書と単語との類似度のみを推定したりできますか? どんな発言でも役に立ちます。

word2vec を使用しようとしましたが、任意の単語で何かをしようとするとエラーが発生します。エンコーディングの問題のようです。これが私がやったことです：

word2vec の初期化:

少しテストします。

エラー：

でモデルをロードしようとしましたbinary=Falseが、ロード中にエラーが発生します。

gensim word2vec の 2 つの類似度測定値の違いを知りたかった: most_similar() と most_similar_cosmul()。最初のものは単語ベクトルの余弦類似度を使用して機能するのに対し、他のものは Omer Levy と Yoav Goldberg によって提案された乗法結合目的を使用することを知っています。それが結果にどのように影響するか知りたいですか？意味的な類似性を与えるのはどれですか? など。例：

結果: [('queen', 0.50882536), ...]

結果 : [(u'iraq', 0.8488819003105164), ...]