文件名称：wego：Go中的单词嵌入（例如Word2Vec）！
文件大小：88KB
文件格式：ZIP
更新时间：2024-02-24 12:00:53
nlp go machine-learning word2vec word-embeddings
Go中的单词嵌入 wego是Go语言中单词嵌入（即单词表示）模型从零开始的实现。 词嵌入是什么？ 使词的含义，结构和概念映射到低维的向量空间中。 例如： Vector("King") - Vector("Man") + Vector("Woman") = Vector("Queen") 像这个例子一样，模型生成可以通过算术运算来计算其他向量的词义的词向量。 产品特点 wego支持以下用于捕获单词向量的模型： Word2Vec：单词和短语的分布式表示形式及其组成 GloVe：单词表示的全局向量 LexVec：使用窗口采样和负采样实现矩阵分解的改进词表示法 另外，wego提供了最近邻
【文件预览】：
wego-master
----.dockerignore(8B)
----go.mod(416B)
----pkg()
--------embedding()
--------search()
--------model()
--------corpus()
--------util()
----wego.go(1KB)
----.github()
--------ISSUE_TEMPLATE()
--------pull_request_template.md(13B)
----go.sum(30KB)
----Dockerfile(287B)
----examples()
--------query()
--------word2vec()
----.travis.yml(619B)
----LICENSE(11KB)
----test()
--------testdata()
--------download_text8.sh(508B)
--------e2e.go(4KB)
----README.md(5KB)
----CODE_OF_CONDUCT.md(3KB)
----.gitignore(53B)
----cmd()
--------model()
--------query()