FastText
FastText è un framework per l'embedding di parole e la classificazione di testi sviluppato da Facebook AI Research (Joulin, Bojanowski, Grave, e Mikolov, 2016–2017) che rappresenta ogni parola come la somma dei vettori dei suoi n-grammi di caratteri, permettendogli di costruire rappresentazioni significative per parole non viste e morfologicamente ricche ed eseguire classificazioni di testi quasi allo stato dell'arte ordini di grandezza più velocemente delle alternative basate su reti neurali profonde.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Joulin, A., Grave, E., Bojanowski, P. & Mikolov, T. (2017). Bag of Tricks for Efficient Text Classification. In Proceedings of EACL 2017, Short Papers, pp. 427–431. ACL. DOI: 10.18653/v1/e17-2068 ↗
- Bojanowski, P., Grave, E., Joulin, A. & Mikolov, T. (2017). Enriching Word Vectors with Subword Information. Transactions of the Association for Computational Linguistics, 5, 135–146. DOI: 10.1162/tacl_a_00051 ↗
- Goldberg, Y. (2017). Neural Network Methods for Natural Language Processing. Morgan & Claypool Publishers. ISBN: 978-1-62705-298-6
Come citare questa pagina
ScholarGate. (2026, June 3). FastText: Subword-Level Word Embeddings and Efficient Text Classification. ScholarGate. https://scholargate.app/it/deep-learning/fasttext
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Naive BayesApprendimento automatico↔ compare
- Word2VecText mining↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →