PTT數位生活區 / DataScience

[問題] 中文 詞向量 相似度

看板DataScience作者 (metalheads)時間4年前 (2020/08/08 00:19), 4年前編輯推噓9(9推 0噓 15→)
留言24則, 8人參與, 4年前最新討論串1/1
各位板友好 小弟目前有一些客戶的瀏覽行為標籤，例如： '輕食' '農業' '退休' '連鎖咖啡' '連鎖速食餐廳' '遊戲' '遊樂園' '遊輪' 這種標籤，雖然已經是比較粗略的分類了，但整體還是有好幾百個 如果要人工手動去歸類成大類會非常費工 所以我想要用詞向量的方式進行集群，把相似的歸類在一起 不知道有什麼預訓練好的model可以算大量字詞的相似度 感謝 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 150.116.180.58 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1596817153.A.FE0.html ※ 編輯: s3714443 (150.116.180.58 臺灣), 08/08/2020 00:20:07
推
08/08 07:47, 4年前 , 1F
中文Bert?
08/08 07:47, 1F
推
08/08 08:17, 4年前 , 2F
其實可以認真算算標記這個到底需要多久，有時候可能真的
08/08 08:17, 2F
→
08/08 08:17, 4年前 , 3F
找不到符合你需求的支援還是得使用工人智慧QQ
08/08 08:17, 3F
→
08/08 08:20, 4年前 , 4F
而且幾百個把分類定義清楚，先把明顯的大類分出來，再細
08/08 08:20, 4F
→
08/08 08:20, 4年前 , 5F
劃分小類感覺一個禮拜也夠，不要怕很花時間有時候時間算
08/08 08:20, 5F
→
08/08 08:20, 4年前 , 6F
出來的比你想像的少，加油
08/08 08:20, 6F
→
08/08 08:21, 4年前 , 7F
之後只用一般的算法去做分類就可以，但如果你是因為上級
08/08 08:21, 7F
→
08/08 08:21, 4年前 , 8F
需求要用到NLP我就沒辦法了
08/08 08:21, 8F
→
08/08 10:06, 4年前 , 9F
自己train一個word2vec model?
08/08 10:06, 9F
推
08/08 12:46, 4年前 , 10F
Fasttext 有中文 pretrained，可以自己抓下來算距離
08/08 12:46, 10F
推
08/08 17:02, 4年前 , 11F
直接word2vec不就好了？？
08/08 17:02, 11F
推
08/15 14:53, 4年前 , 12F
用word2vec或BERT拿到embedding 再算cos similarity 就好
08/15 14:53, 12F
→
08/15 14:53, 4年前 , 13F
啦
08/15 14:53, 13F
推
09/04 12:47, 4年前 , 14F
BERT直接算cosine similarity你會fail
09/04 12:47, 14F
→
09/04 12:47, 4年前 , 15F
The construction of BERT makes it unsuitable for sem
09/04 12:47, 15F
→
09/04 12:47, 4年前 , 16F
antic similarity search as well as for unsupervised
09/04 12:47, 16F
→
09/04 12:47, 4年前 , 17F
tasks like clustering.
09/04 12:47, 17F
推
09/04 12:49, 4年前 , 18F
不過我不太清楚中文有什麼開源的任務來fine tune..XD
09/04 12:49, 18F
→
09/04 12:50, 4年前 , 19F
英文的話SBERT是利用NLI與Siamese network來讓bert的vec
09/04 12:50, 19F
→
09/04 12:50, 4年前 , 20F
tor representation可以直接用cosine similarity來衡量
09/04 12:50, 20F
→
09/04 12:50, 4年前 , 21F
語意相似～
09/04 12:50, 21F
推
09/04 12:53, 4年前 , 22F
我一開始也期待BERT能夠捕捉到”語意” 但是實驗看來他
09/04 12:53, 22F
→
09/04 12:53, 4年前 , 23F
的output並不是一個vector space的representation～
09/04 12:53, 23F
推
10/16 21:58, 4年前 , 24F
fasttext跟wiki都有pre-trained好的東西
10/16 21:58, 24F
‣ 更多 s3714443 的文章
文章代碼(AID): #1VBNy1_W (DataScience)
DataScience 近期熱門文章
更多 近期熱門文章 >>
PTT數位生活區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 s3714443 的文章
文章代碼(AID): #1VBNy1_W (DataScience)