[MXNet/Gluon] 动手学深度学习第十六课:词向量(word2vec)

科技演讲·公开课2018-01-20 13:31:43
--播放 · --弹幕未经作者授权,禁止转载
-- --
稿件投诉
词向量(word embedding)已逐渐成为自然语言处理的基础知识。 本课将以word2vec为例,着重介绍两套模型:跳字模型(Skip-gram)和连续词袋模型(CBOW),以及两套近似训练法:负采样(Negative sampling)和层序softmax(Hierarchical softmax) [10 mins]:词向量和word2vec概述。 [15 mins]:跳字模型。 [15 mins]:连续词袋模型。 [10 mins]:负采样。 [10 mins]:层序softmax
评论
《动手学深度学习》,资源网站: zh.d2l.ai
相关推荐