Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
31 |
Tags
- Semantic Segmentation
- Image Segmentation
- Recsys-KR
- Segmentation
- 추천시스템
- TEAM EDA
- 엘리스
- 파이썬
- TEAM-EDA
- 스택
- Machine Learning Advanced
- 알고리즘
- 튜토리얼
- 큐
- 코딩테스트
- 협업필터링
- pytorch
- 3줄 논문
- hackerrank
- 한빛미디어
- MySQL
- 나는 리뷰어다
- eda
- Object Detection
- DFS
- 나는리뷰어다
- 프로그래머스
- Python
- DilatedNet
- 입문
Archives
- Today
- Total
목록2019/03/10 (1)
TEAM EDA
Chapter 3 : 단어 임베딩을 사용하여 텍스트 유사성 계산하기
Note : 이 포스터는 (주)느린생각의 지원을 받아 딥러닝 쿡북이라는 교재로 스터디를 하고 작성하는 포스터입니다. 이론은 딥러닝을 이용한 자연여 처리 입문(https://wikidocs.net/22660) 교재를 사용하였고 코드는 딥러닝 쿡북이라는 교재를 사용하였습니다. 단어 임베딩이란? 이 장에서는 단어 임베딩을 사용해 텍스트 간 유사도를 계산하는 방법을 설명합니다. 단어 임베딩은 원-핫 인코딩과는 다른방식으로 단어를 공간상의 벡터로 표현하는 기술 입니다. 단어 임베딩을 사용할 경우 비슷한 의미가 있는 단어들이 서로 가까운 곳에 나타나게 됨으로써 벡터 상에 단어의 의미를 포함시킬 수 있습니다. 이번 챕터에서는 단어 임베딩의 방법으로 구글의 Word2Vec을 사용할 것입니다. Word2Vec은 '비슷한..
책 내용 정리/딥러닝 쿡북
2019. 3. 10. 08:28