零镜头分类法使用表示学习的学习：论文代码库：使用表示学习的零镜头分类学的归纳：一项实证研究

【文件属性】：
文件名称：零镜头分类法使用表示学习的学习：论文代码库：使用表示学习的零镜头分类学的归纳：一项实证研究
文件大小：18KB
文件格式：ZIP
更新时间：2021-02-14 10:11:58
Python 使用表示学习的零射流分类法归纳 本文的代码存储库：使用表示学习的零拍分类法归纳：一项实证研究 模组 1.改造嵌入 基于本文实现了改进：将 2.超类型分类器 要根据分类法创建训练数据，请使用以下命令， python3 createTrainingData.py --src_taxonomy=<input_taxonomy> --out_file=.pkl 在哪里， <input_taxonomy> =输入分类法文件路径。 分类文件的格式应与以下位置的Google产品分类相似： : =生成的用于训练超类型分类器模型的训练数据 要训​​练超类型分类器模型，请使用以下命令， python3 trainClassifier.py --input_data=.pkl --model_type=<mod

【文件预览】：
zero-shot-taxonomy-induction-using-representation-learning-master
----computeTaxonomyStats.py(1005B)
----computeRankMetrics.py(5KB)
----generateGroundTruthLexicon.py(3KB)
----generateRanks.py(5KB)
----computeApproxTreeSimilarityMetrics.py(6KB)
----LICENSE(1KB)
----super_type_classifier()
--------createTrainingData.py(3KB)
--------trainClassifier.py(3KB)
----generateCustomTreePlot.py(4KB)
----generateRanksBestMethod.py(4KB)
----computeTED.py(4KB)
----README.md(7KB)
----computeMST.py(3KB)