Select Language

公开数据集

中文预训练词向量数据集

中文预训练词向量数据集

Scene:

MNIST

Data Type:

Classification
所需积分:3 去赚积分?
  • 239浏览
  • 2下载
  • 0点赞
  • 收藏
  • 分享

贡献者查看主页

小小程序员

致力于人工智能业务的研究、数据集处理。

Data Preview ? 354K

    Data Structure ?

    *数据结构实际以真实数据为准

    该项目提供使用不同表征(稀疏和密集)、上下文特征(单词、n-gram、字符等)以及语料库训练的中文词向量(嵌入)。

    在这里,你可以轻松获得具有不同属性的预训练向量,并将它们用于各类下游任务。

    此外,开发者还在该工具中提供了一个中文类比推理数据集 CA8 及其评估工具包,用户可以以此评估自己词向量的质量。

    引用:

    @InProceedings{P18-2023,
      author =  "Li, Shen
        and Zhao, Zhe
        and Hu, Renfen
        and Li, Wensi
        and Liu, Tao
        and Du, Xiaoyong",
      title = "Analogical Reasoning on Chinese Morphological and Semantic Relations",
      booktitle = "Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers)",
      year = "2018",
      publisher = "Association for Computational Linguistics",
      pages = "138--143",
      location = "Melbourne, Australia",
      url = "http://aclweb.org/anthology/P18-2023"
    }

    格式:

    本资源中的预训练词向量文件以文本格式存储,每一行包含一个单词及其词向量,每个值由空格分开。

    第一行记录元信息:第一个数字表示该单词在文件中的排序,第二个数字表示维度大小。

    除了密集单词向量(以 SGNS 训练),该项目还提供了稀疏向量(以 PPMI 训练)。

    它们与 liblinear 格式相同,其中「:」前的数字代表维度索引,「:」后的数字表示值。

    0相关评论
    ×

    帕依提提提温馨提示

    该数据集正在整理中,为您准备了其他渠道,请您使用

    注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。