FastText
FastText er et rammeverk for ordrepresentasjoner (word embeddings) og tekstklassifisering utviklet av Facebook AI Research (Joulin, Bojanowski, Grave, og Mikolov, 2016–2017) som representerer hvert ord som summen av sine karakter-n-gram-vektorer. Dette gjør det mulig å konstruere meningsfulle representasjoner for ukjente og morfologisk rike ord, og å utføre tekstklassifisering nær toppmoderne ytelse, mange størrelsesordener raskere enn alternativer basert på dype nevrale nettverk.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). FastText: Subword-Level Word Embeddings and Efficient Text Classification. ScholarGate. https://scholargate.app/no/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 BayesMaskinlæring↔ compare
- Word2VecTekstutvinning↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →