FastText
FastText jest framework do tworzenia osadzeń słów (word embeddings) i klasyfikacji tekstu, opracowany przez Facebook AI Research (Joulin, Bojanowski, Grave i Mikolov, 2016–2017). Reprezentuje on każde słowo jako sumę wektorów jego n-gramów znakowych, co pozwala na tworzenie znaczących reprezentacji dla słów nieznanych i bogatych morfologicznie, a także na przeprowadzanie klasyfikacji tekstu z szybkością o rzędy wielkości większą niż alternatywy oparte na głębokich sieciach neuronowych, osiągając wyniki bliskie stanowi wiedzy.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). FastText: Subword-Level Word Embeddings and Efficient Text Classification. ScholarGate. https://scholargate.app/pl/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.
- Naiwny Klasyfikator BayesowskiUczenie maszynowe↔ compare
- Word2VecEksploracja tekstu↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →