[問題] 機器學習向量空間一對多的表示方法?

看板DataScience作者 (fool)時間2年前 (2022/11/22 15:15), 編輯推噓3(3015)
留言18則, 6人參與, 最新討論串1/1
作業系統:win10 問題類別:ML 使用工具::python,tensorflow 問題內容: 有A , B 兩個空間,A空間的1個元素會對應到B空間的多個元素, 例如A空間有一元素叫作水果,會對應到B空間的荔枝、香蕉、芭樂等元素, 要訓練機器將荔枝、香蕉、芭樂等等元素看過後(B空間的水果元素當作訓練集), 然後輸入某個水果,假設輸入西瓜,西瓜是不在B空間的水果元素當作測試集, 讓機器能夠判斷西瓜跟香蕉、芭樂等元素相似,會輸出"水果"這個答案, 想要輸入荔枝、香蕉、芭樂等各種水果元素 機器能回應"水果",該怎麼作?該找哪方面的資料?請各位大大提點,謝謝 PS: 水果元素只是舉例,並不是真的要讓機器看水果圖片, 訓練資料都是文字,沒有圖片 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.160.217.64 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1669101344.A.CC9.html

11/22 17:21, 2年前 , 1F
測試資料如果沒在training時被模型看過,卻希望模型能準確
11/22 17:21, 1F

11/22 17:21, 2年前 , 2F
識別分類,整個難度會上升很多
11/22 17:21, 2F

11/22 17:21, 2年前 , 3F
因為是文字資料seq2seq 是可以考慮的
11/22 17:21, 3F

11/22 17:21, 2年前 , 4F
另外不清楚是不是有multi-label的情況,有的話要注意不是一
11/22 17:21, 4F

11/22 17:21, 2年前 , 5F
般multi-class的分類問題。
11/22 17:21, 5F

11/22 17:59, 2年前 , 6F
a一下作者 可以省下不少時間
11/22 17:59, 6F

11/23 20:10, 2年前 , 7F
生成模型有一些概念類似你想做的事
11/23 20:10, 7F

11/23 20:10, 2年前 , 8F
也許你可以換個方向思考
11/23 20:10, 8F

11/24 21:26, 2年前 , 9F
佛渡有緣人
11/24 21:26, 9F

11/24 21:27, 2年前 , 10F
這不就是word embedding 在做的目標嗎
11/24 21:27, 10F

11/24 21:27, 2年前 , 11F
把bert的結構用contractive learning的角度想一遍
11/24 21:27, 11F

11/24 21:28, 2年前 , 12F
只要A集是已決定的,剩下好說
11/24 21:28, 12F

11/24 21:29, 2年前 , 13F
寒酸一點詞袋也不是不行做
11/24 21:29, 13F

11/24 21:30, 2年前 , 14F
比較有意思的是要怎麼把B分群之後,定出有代表性的屬
11/24 21:30, 14F

11/24 21:30, 2年前 , 15F
性當作A的。標籤
11/24 21:30, 15F

11/28 15:00, 2年前 , 16F
讓bert 預測 水果 荔枝 是不是同一類,bert應該能tr
11/28 15:00, 16F

11/28 15:00, 2年前 , 17F
ansfer 學習到其他 類別的對應 預測
11/28 15:00, 17F

12/12 15:39, , 18F
很像 word2vec
12/12 15:39, 18F
文章代碼(AID): #1ZV7SWp9 (DataScience)
文章代碼(AID): #1ZV7SWp9 (DataScience)