初学者NLP问题:
.similarity方法是如何工作的?
哇,spaCy太棒了!它的tfidf模型可能更容易预处理,但只有一行代码的w2v(token.vector)?! - 太棒了!
在他在spaCy上的10行教程中,andrazhribernik向我们展示了可以在tokens、sents、word chunks和docs上运行的.similarity方法。
在nlp = spacy.load('en')
和doc = nlp(raw_text)
之后,我们可以在tokens和chunks之间进行.similarity查询。然而,在这个.similarity方法背后计算的是什么?
SpaCy已经有了非常简单的.vector
,它计算了从GloVe模型训练得到的w2v向量(一个.tfidf
或.fasttext
方法将多酷?)。
模型相似性模型是否仅计算这两个w2v-GloVe向量之间的余弦相似度或者还有其他事情发生?规格未在文档中明确说明。任何帮助都将不胜感激!