知识卡片
窗口宽度要区分半径与总长
代码遍历−wsize到+wsize并排除0,因此wsize=10表示左右各至多10个邻词,而不是总共10词。边界位置样本更少,重复词还会重复形成训练对;描述、参数名与实际生成范围应一致。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 用词嵌入推理
原书出处 · 1 处
- · 查看原书依据
WINDOW_WIDTH = 10 >>> def windowizer(row, wsize=WINDOW_WIDTH): """ Compute sentence (str) to sliding-window of skip-gram pairs. """ ... doc = row['tokens'] ... out = [] ... for i, wd in enumerate(doc): ... target = tok2id[wd] ... window = [ ... i + j for j in range(-wsize, wsize + 1, 1) ... if (i + j >= 0) & (i + j < len(doc)) &
参考来源
- 位置:《Natural Language Processing in Action, Second Edition》第06章《用词嵌入推理》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Natural Language Processing in Action, Second Edition/_epub-src/OEBPS/Text/chapter-6.html)
- 结论依据:摘录中关于窗口宽度要区分半径与总长的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:WINDOW_WIDTH = 10 >>> def windowizer(row, wsize=WINDOW_WIDTH): """ Compute sentence (str) to sliding-window of skip-gram pairs. """ ... doc = row['tokens'] ... out = [] ... for i, wd in enumerate(doc): ... target = tok2id[wd] ... window = [ ... i + j for j in range(-wsize, wsize + 1, 1) ... if (i + j >= 0) & (i + j < len(doc)) &