Тогда полную парадигму скачать по ссылке выше, там все ударения есть

Скажите в чем основное различие word2vec и fasttext моделей, кроме того, что fasttext может незнакомым словам вектор присваивать?

Различие в том, что у ФТ слово это набор н-грамм, так вектор и строится, а у в2в атом - это слово, а не н-грамма

для русского языка это хуже в плане определения сематики слова, потому что есть приставки суффиксы окончания, которые смысл не меняют?

просто стоит задача определения вида деятельности клиента на основе комментариев к платежным документам, я использовал word2vec с NLPub, кластеризовал на 800 кластеров, и получал веса слов в тематиках кластеров, после этого пытался считать сходство между описанием деятельности и текстом платежек с помощью word2vec с tf-idf. Выходит не очень, т.е. хорошие не зашумленные тексты определяет нормально, а когда есть какой-то разброс по словам, например закупки свойственные всем компаниям, оплаты за аренду, направление деятельности начинает определяться плохо. Обучить не на чем, потому что не знаешь какие клиенты работают по заявленной деятельности, пробовал определять характерные слова для этой деятельности на основе истории, считая, что большинство не врет, но тогда в описания попадают характерные для всех слова, выкидывать которые тоже нельзя, так как есть компании, которые специализируются только на перевозках, а есть те, которые просто доставляют товары, tf-ifd частично решает проблему, но не всегда

кажется, задачка вполне для тематического моделирования

еще проблема что много сокращений, опечаток, например мед услуги, которые на основе моей модели относятся к производству мёда

еще сложность, что самих видов деятельности ОКВЭД около 1000, есть очень схожие

обсудили с заказчиком рэнжи по степень автоматизации vs стоимость vs качество?

Ну здесь все-таки изначально выбираешь не из 1000 категорий, а из тех которые пользователь сам заявил, давая максимальный вес его основному ОКВЭД (виду деятельности), если ничего по схожести не проходит порог, тогда уже начинаешь все 1000 категорий перебирать, и тут уже качество падает сильно

а мб тут кто-то знает

как выбирают presenting author? я могу отметить всех, это не принципиально?

Presenting это тот, кто доклад делает. Все же на сцену не полезут.

а если конфа далеко и непонятно, кому визу дадут и кому денег?

Ну поменять потом можно в крайнем случае

А, топ!

Спасибо!

всем привет , кто может подсказать подходы или если есть  (вообще идеально) примеры с кодом для генерации парафраз?

chatette

забыл про  него, спасибо