Classez et extrayez la relation entre deux mots avec un enseignant. Plus précisément, les prédictions suivantes peuvent être faites à partir de données telles que (sports, baseball, has-a) (avec probabilité).
La myrtille est-un fruit
L'animal a-un cochon d'Inde
L'animal a-un Wataboushi Tamarin
Le sport est-un sport
L'escalade est-un sport
Le rodéo est-un sport
L'animal a-un Eurasia Kawauso
Le sport a-une plongée libre
La course de chevaux est-un sport
Le sport a-un golf
Les seules relations avec lesquelles nous avons affaire cette fois sont has-a et is-a. Si vous l'utilisez, par exemple, pour une personne qui recherche "sports", même si le mot "sports" ne figure pas dans l'article, "baseball" ou "football" qui a une relation avec "sports" Vous pouvez présenter un article. De plus, le score peut être calculé à l'avance.
Cette fois, je vais vous laisser apprendre la relation entre les mots avec Word2Vec. Il y a une histoire que Word2Vec peut capturer l'analogie. Ce type célèbre, roi - homme + femme = reine. Cela peut également être écrit comme roi - homme = reine - femme. En d'autres termes, la différence entre les deux mots représente la relation, et dans cet exemple, la relation entre le roi et l'homme et la relation entre la reine et la femme peuvent être considérées comme identiques.
En passant, j'ai écrit que le vecteur de différence exprime une bonne relation lors de l'utilisation de l'expression vectorielle apprise dans Word2Vec, mais ce n'est pas toujours le cas. De plus, ** les relations que l'utilisateur souhaite gérer et les relations apprises avec Word2Vec ne correspondent pas toujours **. Par conséquent, nous utiliserons l'apprentissage supervisé comme d'habitude cette fois. L'utilisateur peut indiquer à l'algorithme la relation qu'il souhaite gérer grâce aux données de l'enseignant. L'important est que toute relation puisse être communiquée à l'algorithme en utilisant les données de l'enseignant.
Il est répertorié avec le code dans [Classification des relations mot-à-mot utilisant word2vec](https://nktmemo.wordpress.com/2015/10/27/Word-to-word relation classification utilisant word2vec /).
Recommended Posts