A
гугли sentiment analysis
Спс. AFINN-en-165
Size: a a a
2020 June 11
A
Спс. AFINN-en-165
да, afinn библиотека одна из них
2020 June 13
M
2020 June 14
DB
Please check my work, and give me feedback, where I need to improve myself
Y
Есть вопрос по токенизации. В лаборатории делаем word2vec, сначала byte-pair-encoding на большом корпусе, а для skip-gram prediction используем только часть исходного корпуса.
Кто-нибудь так делал? Есть проблемы с таким подходом?
Кто-нибудь так делал? Есть проблемы с таким подходом?
VM
вопрос - зачем так делать? word2vec рассчитан на работу со словами / n-граммами, а bpe - это меньше слова
VM
bpe используется с большими моделями для преобработки
Y
Это биоинформатический проект и мы работаем с транскриптомами. Так что нужно было с чего-то начинать
VM
а, у вас это не слова, тогда может быть и ок, ничего не могу сказать
2020 June 15
A
Дилетант Spacy: Создаю объект doc = nlp("Give it back! He pleaded."). Как я могу не переберая все элементы объекта doc получить лемму слова "pleaded"?
AS
я не помню можно ли там считать в массив, но как минимум "закачай генератор" в список и возьми соответствующий индекс
A
Я надеялся на что нибудь без костылей. При этом верятно в списке мое слово будет иметь номер 4, а в spacy 5 (т.к. spacy считает "back!" за два элемента). Не верится что нельзя обращаться по "значению"
DD
Я надеялся на что нибудь без костылей. При этом верятно в списке мое слово будет иметь номер 4, а в spacy 5 (т.к. spacy считает "back!" за два элемента). Не верится что нельзя обращаться по "значению"
Так значений может быть несколько, если одна и та же словоформа в предложении многократно встречается, типа "косил косой косой косой" или англоязычный пример с многократным buffalo. Поэтому такой механизм был бы ещё более костыльный.
A
Так значений может быть несколько, если одна и та же словоформа в предложении многократно встречается, типа "косил косой косой косой" или англоязычный пример с многократным buffalo. Поэтому такой механизм был бы ещё более костыльный.
Спасибо 🙏
YB
Дилетант Spacy: Создаю объект doc = nlp("Give it back! He pleaded."). Как я могу не переберая все элементы объекта doc получить лемму слова "pleaded"?
doc.tokens или list(doc) — список токенов.
2020 June 16
R
Anyone implemented Multilabel topic modelling techniques in Python for English language text before?
VM
what is multilabel topic modelling?
R
Given a huge corpus of customer reviews, automatically find the most prominent topics across all reviews and map one or more of those topics to each customer review in the corpus.
R
No training data for supervision given.