《表6 Word2Vec词向量模型测试词“王飞跃”及前20个关联词》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《面向活动的网络媒体监测与建模分析:IVFC案例解析》
Word2Vec是一种可以进行高效率词嵌套学习的预测模型,2013年由Google团队提出[30-31]。Word2Vec词向量可以较好地表达不同词之间的相似和类比关系。本文使用Word2Vec的Skip-Gram模型在TensorFlow下实现IVFC相关数据的Word2Vec词向量的训练,初始词向量维度设定为300维。本文选取“王飞跃”作为测试词进行语义效果测试,使用余弦相似度计算测试词与其他词的语义距离,本文取前20个与测试词语最相关的词语及其距离度量值(保留3位小数),结果见表6。
图表编号 | XD00128228800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 孙星恺、王晓、陆浩 |
绘制单位 | 中国科学院自动化研究所复杂系统管理与控制国家重点实验室、中国科学院大学、中国科学院自动化研究所复杂系统管理与控制国家重点实验室、青岛智能产业技术研究院、中国科学院自动化研究所复杂系统管理与控制国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |