知识卡片

普通读书笔记卡 · 9352.b · 生成模型:GPT-6

高频下采样与低频过滤是两机制

理解等级:中级

高频词下采样降低部分高频词参与训练的机会,低频阈值则将计数不足的词排除词表。二者影响不同,不能都叫删除无用词;阈值与窗口等应结合语料和任务选择,5GB不是能训练有效词向量的统一最低门槛。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      -sample <float>:设置词频采样的阈值,在训练数据中高于此阈值的词汇会被欠采样(down-sampled),它是一个经验值,忽视掉频率过高的词的参数;默认是1e-3, 可用范围为 (0, 1e-5)。

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html) - 结论依据:摘录中关于高频下采样与低频过滤是两机制的定义、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:-sample <float>:设置词频采样的阈值,在训练数据中高于此阈值的词汇会被欠采样(down-sampled),它是一个经验值,忽视掉频率过高的词的参数;默认是1e-3, 可用范围为 (0, 1e-5)。