文件名称：word-benchmarks:内在词嵌入评估的基准
文件大小：2.98MB
文件格式：ZIP
更新时间：2024-05-30 14:45:17
nlp benchmark natural-language-processing word2vec word-embeddings
内在评估词嵌入的基准 开发已停止，项目已 1.单词语义相似度 此方法基于以下思想：可以通过对这些单词之间的实际语义距离（例如，以连续间隔{0,1定义的杯子与杯子之间的距离）进行人类启发式判断，来评估嵌入空间中单词之间的距离}为0.8，因为这些词是同义词，但并非完全相同）。 为评估者提供了一组单词对，并要求他们评估每对单词的相似度。 这些对之间的距离也收集在单词嵌入空间中，并比较两个获得的距离集。 它们越相似，嵌入效果就越好 SimVerb-3500 ，通过语义相似性评估的3500对动词（这意味着相关但不相似的对具有较低的评分），评分范围为0到4。 MEN （Marco，Elia和Nam的缩写），通过语义相关性评估了3000对，其离散范围为0到50。 RW （稀有单词的缩写），通过语义相似性从0到10的等级对2 034对出现率低的单词（稀有单词）进行评估。 SimLex-999对999
【文件预览】：
word-benchmarks-master
----word-similarity()
--------monolingual()
--------cross-lingual()
----word-categorization()
--------monolingual()
----semantic-relation()
--------monolingual()
----README.md(7KB)
----outlier-detection()
--------monolingual()
----word-analogy()
--------monolingual()