eldiven100_açısal

  • Açıklama :

Yaklaşık en yakın komşu araması için Kelime Gösterimi (GloVe) yerleştirmeleri için önceden eğitilmiş Global Vektörler. Bu veri kümesi iki bölmeden oluşur:

  1. 'veritabanı': 1.183.514 veri noktasından oluşur, her biri şu özelliklere sahiptir: 'yerleştirme' (100 değişken), 'dizin' (int64), 'komşular' (boş liste).
  2. 'test': 10.000 veri noktasından oluşur, her birinin özellikleri vardır: 'gömme' (100 kayan nokta), 'dizin' (int64), 'komşular' (veritabanındaki en yakın komşuların 'dizin' ve 'mesafe' listesi). )
Bölmek örnekler
'database' 1.183.514
'test' 10.000
  • Özellik yapısı :
FeaturesDict({
    'embedding': Tensor(shape=(100,), dtype=float32),
    'index': Scalar(shape=(), dtype=int64),
    'neighbors': Sequence({
        'distance': Scalar(shape=(), dtype=float32),
        'index': Scalar(shape=(), dtype=int64),
    }),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtipi Tanım
ÖzelliklerDict
gömmek tensör (100,) şamandıra32
dizin skaler int64 Bölme içindeki dizin.
komşular Sekans Yalnızca test bölümü için kullanılabilen hesaplanan komşular.
komşular/uzaklık skaler şamandıra32 Komşu mesafesi.
komşular/dizin skaler int64 Komşu indeksi.
  • Alıntı :
@inproceedings{pennington2014glove,
  author = {Jeffrey Pennington and Richard Socher and Christopher D. Manning},
  booktitle = {Empirical Methods in Natural Language Processing (EMNLP)},
  title = {GloVe: Global Vectors for Word Representation},
  year = {2014},
  pages = {1532--1543},
  url = {http://www.aclweb.org/anthology/D14-1162},
}