[ML] Word Embeddings - 2
Word Embeddings의 구체적인 예시와 어떻게 사용되는지를 알아보자. 구체적 예시 Word2Vec : "king", "queen", "man", "woman" 라는 단어가 있다고 가정해보자. 학습된 Word2Vec 모델에서 Embedding은 다음와 같이 나타낼 수 있다. "king": [0.2, -0.1, 0.4] "queen": [0.21, -0.09, 0.41] "man": [-0.4, 0.3, -0.1] "woman": [-0.39, 0.31, -0.09] "king"과 "queen"이 "man"과 "woman"과 마찬가지로 유사한 벡털르 가지고 있음을 알 수 있다. GloVe :"computer", "keyboard", "flower", "rose" 라는 단어가 있다고 가정해보자. 이는 ..
기술(Tech, IT)/머신 러닝(Machine Learning)
2023. 11. 29. 06:17
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 리트코드
- java
- min heap
- DICTIONARY
- 딕셔너리
- socket programming
- Android
- ml
- C++
- 파이썬
- leetcode
- 안드로이드
- join
- vertex shader
- The Economist
- machine learning
- Computer Graphics
- The Economist Espresso
- Python
- 투 포인터
- 오블완
- I2C
- 이코노미스트 에스프레소
- 소켓 프로그래밍
- 이코노미스트
- 티스토리챌린지
- tf-idf
- defaultdict
- 머신 러닝
- Hash Map
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
글 보관함
반응형