繼續(xù)玩word2vec (English Corpus)

上周末繼續(xù)玩了點(diǎn)word2vec航厚,因?yàn)橹霸嚨慕Y(jié)果是在中文文本上效果相當(dāng)好授嘀,而在英文文本下效果很普通。我考慮了一下可能的原因诫钓。

一是漢語(yǔ)對(duì)語(yǔ)序的依賴(lài)度更大旬昭,且沒(méi)有變格變位。

二是文本——我總覺(jué)得wikipedia文本并不是一個(gè)很好的corpus菌湃,它的語(yǔ)言缺乏足夠的變化问拘,也不夠生動(dòng)——對(duì)比而言,我玩了幾次的中文文本都是文學(xué)作品(一次是演義公案小說(shuō)惧所,一次是金古梁)骤坐。

所以我這次抓了543本英文文學(xué)作品(隨便從我手邊的一個(gè)什么1600本英文小說(shuō)包里撈出來(lái)的,里面范圍很廣從阿婆到莎士比亞都有)下愈,共5.25E7單詞纽绍,一下子神清氣爽效果好多了!

不但是如此势似,倘若把7本哈利波特的文本掛在wikipedia文本后面拌夏,都會(huì)對(duì)結(jié)果有很大的幫助。

這周等我試試德語(yǔ)履因,文本應(yīng)當(dāng)可以從古騰堡整障簿。德語(yǔ)估計(jì)更難搞,因?yàn)閷?duì)變格變位的依賴(lài)更大栅迄,而可分動(dòng)詞更是惡意的存在——而且有些復(fù)合詞簡(jiǎn)直該做下分詞站故。

最難搞的估計(jì)是土雞語(yǔ)這款往詞上拼命堆后綴的語(yǔ)言,感覺(jué)幾乎不能用這種方法來(lái)建立向量——除非做個(gè)分詞把后綴拆出來(lái)——不過(guò)也可以試一試毅舆,只是文本不好找世蔗。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末端逼,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子污淋,更是在濱河造成了極大的恐慌顶滩,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,743評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件寸爆,死亡現(xiàn)場(chǎng)離奇詭異礁鲁,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)赁豆,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,296評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門(mén)仅醇,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人魔种,你說(shuō)我怎么就攤上這事析二。” “怎么了节预?”我有些...
    開(kāi)封第一講書(shū)人閱讀 157,285評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵叶摄,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我安拟,道長(zhǎng)蛤吓,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,485評(píng)論 1 283
  • 正文 為了忘掉前任糠赦,我火速辦了婚禮会傲,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘拙泽。我一直安慰自己淌山,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,581評(píng)論 6 386
  • 文/花漫 我一把揭開(kāi)白布顾瞻。 她就那樣靜靜地躺著艾岂,像睡著了一般。 火紅的嫁衣襯著肌膚如雪朋其。 梳的紋絲不亂的頭發(fā)上王浴,一...
    開(kāi)封第一講書(shū)人閱讀 49,821評(píng)論 1 290
  • 那天,我揣著相機(jī)與錄音梅猿,去河邊找鬼氓辣。 笑死,一個(gè)胖子當(dāng)著我的面吹牛袱蚓,可吹牛的內(nèi)容都是我干的钞啸。 我是一名探鬼主播,決...
    沈念sama閱讀 38,960評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼体斩!你這毒婦竟也來(lái)了梭稚?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 37,719評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤絮吵,失蹤者是張志新(化名)和其女友劉穎弧烤,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體蹬敲,經(jīng)...
    沈念sama閱讀 44,186評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡暇昂,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,516評(píng)論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了伴嗡。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片急波。...
    茶點(diǎn)故事閱讀 38,650評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖瘪校,靈堂內(nèi)的尸體忽然破棺而出澄暮,到底是詐尸還是另有隱情,我是刑警寧澤阱扬,帶...
    沈念sama閱讀 34,329評(píng)論 4 330
  • 正文 年R本政府宣布泣懊,位于F島的核電站,受9級(jí)特大地震影響价认,放射性物質(zhì)發(fā)生泄漏嗅定。R本人自食惡果不足惜自娩,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,936評(píng)論 3 313
  • 文/蒙蒙 一用踩、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧忙迁,春花似錦脐彩、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,757評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至恰梢,卻和暖如春佛南,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背嵌言。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,991評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工嗅回, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人摧茴。 一個(gè)月前我還...
    沈念sama閱讀 46,370評(píng)論 2 360
  • 正文 我出身青樓绵载,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子娃豹,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,527評(píng)論 2 349

推薦閱讀更多精彩內(nèi)容