หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

การฝังคำภาษาสเปน

ด้านล่างคุณจะพบลิงก์ไปยังการฝังคำภาษาสเปนที่คำนวณด้วยวิธีการที่แตกต่างกันและจาก corpora ที่แตกต่างกัน เมื่อใดก็ตามที่เป็นไปได้คำอธิบายของพารามิเตอร์ที่ใช้ในการคำนวณการฝังตัวจะรวมอยู่พร้อมกับสถิติง่ายๆของเวกเตอร์คำศัพท์และคำอธิบายของคลังข้อมูลที่คำนวณด้วยการฝัง มีการเชื่อมโยงโดยตรงไปยัง embeddings ดังนั้นโปรดดูแหล่งที่มาดั้งเดิมสำหรับการอ้างอิงที่เหมาะสม (ดูการอ้างอิง) ตัวอย่างของการใช้งานการฝังตัวเหล่านี้บางส่วนสามารถพบได้ที่นี่หรือในบทช่วยสอนนี้ (ทั้งในภาษาสเปน)

สรุป (และลิงก์) สำหรับ embeddings ในหน้านี้:

คอร์ปัส ขนาด อัลกอริทึม #Vectors vec-dim การให้เครดิต
1 Corpora ที่ยังไม่ได้กล่าวถึงภาษาสเปน 2.6b Fastext 1,313,423 300 JoséCañete
2 คลังคำพันคำของสเปนพันล้าน 1.4B Fastext 855,380 300 Jorge Pérez
3 คลังคำพันคำของสเปนพันล้าน 1.4B ถุงมือ 855,380 300 Jorge Pérez
4 คลังคำพันคำของสเปนพันล้าน 1.4B Word2Vec 1,000,653 300 Cristian Cardellino
5 วิกิพีเดียสเปน - Fastext 985,667 300 ทีม FastText

FastText Embeddings จาก SUC

การฝัง

ลิงก์ไปยัง Embeddings ( #dimensions = 300, #vectors = 1,313,423):

  • รูปแบบเวกเตอร์ (.VEC) (3.4 GB)
  • รูปแบบไบนารี (.bin) (5.6 GB)

เวกเตอร์เพิ่มเติมที่มีมิติที่แตกต่างกัน (10, 30, 100 และ 300) สามารถพบได้ที่นี่

อัลกอริทึม

  • การใช้งาน: fasttext ด้วย skipgram
  • พารามิเตอร์:
    • min subword-ngram = 3
    • max subword-ngram = 6
    • mincount = 5
    • ยุค = 20
    • สลัว = 300
    • พารามิเตอร์อื่น ๆ ทั้งหมดตั้งค่าเป็นค่าเริ่มต้น

คอร์ปัส

  • Corpora ที่ยังไม่ได้กล่าวถึงภาษาสเปน
  • Corpus Size: 3 พันล้านคำ
  • การประมวลผลโพสต์: อธิบายใน EMBEDDINGS และ CORPORA REPOS ซึ่งรวมถึงโทเค็น, ตัวพิมพ์เล็ก, รายชื่อที่ถูกลบและ URL

FastText Embeddings จาก SBWC

การฝัง

ลิงก์ไปยัง Embeddings ( #dimensions = 300, #vectors = 855,380):

  • รูปแบบเวกเตอร์ (.vec.gz) (802 MB)
  • รูปแบบไบนารี (.bin) (4.2 GB)

อัลกอริทึม

  • การใช้งาน: fasttext ด้วย skipgram
  • พารามิเตอร์:
    • min subword-ngram = 3
    • max subword-ngram = 6
    • mincount = 5
    • ยุค = 20
    • สลัว = 300
    • พารามิเตอร์อื่น ๆ ทั้งหมดตั้งค่าเป็นค่าเริ่มต้น

คอร์ปัส

  • คลังคำพันคำของสเปนพันล้าน
  • Corpus Size: 1.4 พันล้านคำ
  • การประมวลผลโพสต์: นอกเหนือจากการประมวลผลโพสต์ของคลังข้อมูลดิบที่อธิบายไว้ในหน้า SBWCE ซึ่งรวมถึงการลบเครื่องหมายวรรคตอนตัวเลข ฯลฯ การประมวลผลต่อไปนี้ถูกนำไปใช้:
    • คำถูกแปลงเป็นตัวอักษรตัวพิมพ์เล็ก
    • ทุกลำดับของคำหลัก 'digito' ถูกแทนที่ด้วย (เดียว) '0'
    • คำทั้งหมดของตัวละครมากกว่า 3 ตัวรวมทั้ง '0' ถูก ommitted (ตัวอย่าง: 'padre0')

ถุงมือฝังตัวจาก SBWC

การฝัง

ลิงก์ไปยัง Embeddings ( #dimensions = 300, #vectors = 855,380):

  • รูปแบบเวกเตอร์ (.vec.gz) (906 MB)
  • รูปแบบไบนารี (.bin) (3.9 GB)

อัลกอริทึม

  • การใช้งาน: ถุงมือ
  • พารามิเตอร์:
    • เวกเตอร์ขนาด = 300
    • iter = 25
    • min-count = 5
    • พารามิเตอร์อื่น ๆ ทั้งหมดตั้งค่าเป็นค่าเริ่มต้น

คอร์ปัส

  • คลังข้อมูลพันล้านคำภาษาสเปน (ดูด้านบน)

Word2vec Embeddings จาก SBWC

การฝัง

ลิงก์ไปยัง Embeddings ( #dimensions = 300, #vectors = 1,000,653)

  • รูปแบบเวกเตอร์ (.txt.bz2)
  • รูปแบบไบนารี (.bin.gz)

อัลกอริทึม

  • การใช้งาน: Word2vec กับ skipgram โดย gensim
  • พารามิเตอร์: สำหรับรายละเอียดเกี่ยวกับพารามิเตอร์โปรดดูที่หน้า SBWCE

คอร์ปัส

  • คลังคำพันคำของสเปนพันล้าน
  • Corpus Size: 1.4 พันล้านคำ

FastText Embeddings จาก Spanish Wikipedia

การฝัง

ลิงก์ไปยัง Embeddings ( #dimensions = 300, #vectors = 985,667):

  • รูปแบบเวกเตอร์ (.VEC) (2.4 GB)
  • รูปแบบ Binary Plus Vector (.ZIP) (5.4 GB)

อัลกอริทึม

  • การใช้งาน: fasttext ด้วย skipgram
  • พารามิเตอร์: พารามิเตอร์เริ่มต้น fasttext

คอร์ปัส

  • Wikipedia Spanish Dump

การอ้างอิง

  • FastText Embeddings จาก SUC: Word Embeddings คำนวณโดยJoséCañeteที่ BotCenter คุณสามารถใช้เวกเตอร์เหล่านี้ตามที่คุณต้องการภายใต้ใบอนุญาต MIT โปรดดูที่ BotCenter Embeddings Repo สำหรับการอภิปรายเพิ่มเติม คุณอาจต้องการอ้างถึง FastText Paper ที่เพิ่มคุณค่าของคำว่าเวกเตอร์ด้วยข้อมูล subword
  • FastText Embeddings จาก SBWC: Word Embeddings คำนวณโดย Jorge Pérez คุณสามารถใช้เวกเตอร์เหล่านี้ตามที่คุณต้องการภายใต้ใบอนุญาต CC-by-4.0 คุณอาจต้องการอ้างถึง FastText Paper ที่เพิ่มคุณค่าของคำว่าเวกเตอร์ด้วยข้อมูล subword และโครงการ Corpus ของ Spanish Billion Word Corpus
  • ถุงมือฝังตัวจาก SBWC: การฝังคำถูกคำนวณโดย Jorge Pérez คุณสามารถใช้เวกเตอร์เหล่านี้ตามที่คุณต้องการภายใต้ใบอนุญาต CC-by-4.0 นอกจากนี้คุณยังอาจต้องการอ้างถึงถุงมือถุงมือ: เวกเตอร์ทั่วโลกสำหรับการเป็นตัวแทนคำและโครงการคำศัพท์พันล้านคำภาษาสเปน
  • FastText Embeddings จาก Spanish Wikipedia: Word Embeddings คำนวณโดยทีม FastText โปรดดูหน้าฟาสต์เท็กซ์ที่ได้รับการฝึกอบรมล่วงหน้าหากคุณต้องการใช้เวกเตอร์เหล่านี้
  • Word2vec Embeddings จาก SBWC: Word Embeddings คำนวณโดย Cristian Cardellino โปรดดูหน้า SBWCE หากคุณต้องการใช้เวกเตอร์เหล่านี้
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด