Word embedding

Le word embedding sono, nell'Elaborazione del linguaggio naturale (NLP, in inglese), dei sistemi di mappatura in vettori di parole o frasi per lo studio della vicinanza semantica del discorso.

Thought vectors

I Thought vectors sono un estensione delle word embeddings per intere frasi o anche documenti. Alcuni ricercatori sperano che questi possano aumentare la qualità della traduzione automatica.^{[1] [2]}

Software

I software per addestrare e usare le word embeddings sono Word2vec sviluppato da Tomas Mikolov, GloVe, sviluppato dalla Stanford University^[3] Gensim^[4] eDeeplearning4j. Principal Component Analysis (PCA) eT-Distributed Stochastic Neighbour Embedding (t-SNE) sono entrambi usati per diminuire la dimensione dello spazio dei vettori di parole (dimensionality reduction) e visualizzare le word embeddings e i cluster.^[5]

1. ^ Template:Cite arXiv
2. ^ thoughtvectors, su deeplearning4j.org.
3. ^ GloVe, su nlp.stanford.edu.
4. ^ Gensim, su radimrehurek.com.
5. ^ Mohammad Ghassemi, A Visualization of Evolving Clinical Sentiment Using Vector Representations of Clinical Notes (PDF), in Computing in Cardiology, 2015.