FastText
FastText är ett ramverk för ordrepresentationer (word embeddings) och textklassificering utvecklat av Facebook AI Research (Joulin, Bojanowski, Grave, och Mikolov, 2016–2017) som representerar varje ord som summan av dess karaktärs-n-gramvektorer. Detta möjliggör meningsfulla representationer för osedda och morfologiskt rika ord samt textklassificering nära toppmodern prestanda, med en beräkningskostnad som är flera storleksordningar lägre än för djupa neurala nätverk.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). FastText: Subword-Level Word Embeddings and Efficient Text Classification. ScholarGate. https://scholargate.app/sv/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.
- Naiv BayesMaskininlärning↔ compare
- Word2VecTextutvinning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →