Спасибо, читаю

Вообще изначально задача такая: дан произвольный массив чисел длины n. Один шаг – заменяем каждый элемент на среднее арифметическое его самого и соседа справа. (У последнего элемента сосед справа – первый). Доказать, что все элементы массива стремятся к среднему арифметическому

Чезаро, не?

Думаю, что там можно попробовать через + 1 слагаемое

Речь о сходилимости по Чезаро? Пока не понял, как её можно применить

Чезаровское среднее

Ребят, а кто-то может подсказать по решению такой задачи.

Нужно для заданного набора документов подсчитать семантическую и синтаксическую схожести в матричном виде.
Вторую посчитать через coisine similarity и TF-IDF довольно легко, но что делать с семантикой?

Нагуглил про Glove, но в примерах использования видел, что там ищут схожесть небольшого запроса с множеством документов.
А если нужно pairwise семантическую схожесть, то что посоветуете?

Я может не понимаю чего-то, но поправьте.

Глоув нам построит репрезентацию каждого слова из некого набора в векторном виде.

Между этими векторами мы посчитаем расстояние как хотим, скорее всего евклидово расстояние считаем. Вот и задача решена. Или как?

Допустим, у тебя есть векторная презентация каждого слова в документе. Между какими парами теперь считать пусть даже эвклидово расстояние?

Ну две точки надо выбрать -- два слова.

🤷‍♂. Как бы в этом и проблема: имея векторную презентацию слов или каких-то кусков не понятно по какому принципу определять, что с чем сравнивать, как группировать и т.д.

Тут задача поставлена так, что есть некое пространство. И в нем мы исследуем точки.

Что с чем сравнивать -- это надо решать пользователю.

Хм. Слова или предложения.... Если у нас изначально есть предложения, то мы можем раздробить их на слова и найти сходство (расстояние) между каждым словом из набора и каждым словом из предложения. Затем усреднить эти показатели.

Я кажется понял в чем проблема. Задача нахождения сходства между текстом и текстом решается через нахождение сходства между словом и текстом.

Как ты, @ex_sales, сказал, нужно понять, как эти "куски" лучше всего использовать. Но я думаю, усреднять -- неплохой вариант.

Word2vec,не?

Это модель такая? А, задача да, такая. Только мы хотим по сути Text2Vec

Ну тогда есть штука как doc2vec
Аналитически хз как там делается, надо смотреть реализацию,но схожесть документов найдет.
Могу ошибаться,ибо этим почти не пользовался

Спасибо, гляну.

Здравствуйте. Я заранее извиняюсь за оффтоп. Но если кто разбирается в численных методах, есть две-три задачи, оплачиваю.
Примеры решений подобных также есть.