Laboratorní úloha z AI for Beginners Curriculum.
V této laboratorní úloze vás vyzýváme k natrénování Word2Vec modelu pomocí techniky Skip-Gram. Natrénujte síť s embeddingem, která bude předpovídat sousední slova v
Můžete použít jakoukoli knihu. Na Project Gutenberg najdete spoustu volně dostupných textů, například zde je přímý odkaz na Alenčiny příhody v říši divů od Lewise Carrolla. Nebo můžete použít Shakespearovy hry, které můžete získat pomocí následujícího kódu:
path_to_file = tf.keras.utils.get_file(
'shakespeare.txt',
'https://storage.googleapis.com/download.tensorflow.org/data/shakespeare.txt')
text = open(path_to_file, 'rb').read().decode(encoding='utf-8')Pokud máte čas a chcete se ponořit hlouběji do tématu, zkuste prozkoumat několik věcí:
- Jak velikost embeddingu ovlivňuje výsledky?
- Jak různé styly textu ovlivňují výsledek?
- Vezměte několik velmi odlišných typů slov a jejich synonym, získejte jejich vektorové reprezentace, aplikujte PCA pro redukci dimenzí na 2 a vykreslete je v 2D prostoru. Vidíte nějaké vzory?
Prohlášení:
Tento dokument byl přeložen pomocí služby pro automatický překlad Co-op Translator. Ačkoli se snažíme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Neodpovídáme za žádné nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.