WordEmbedding - most similar, doesn't match, positive, negative

소개글

WordEmbedding - most similar, doesn't match, positive, negative에 대한 보고서 자료입니다.

목차

1.환경설정
2. 학습데이터
3. 구현환경
4. 학습파라미터
5.실험 결과

본문내용

인공지능
REPORT
-WordEmbedding-
1.환경설정
1) prototyping에 python사용.
2) python용 버전관리 소프트 pip설치
3) gensim 설치
4) NLTK설치(자연어 처리를 위한 광범위하게 쓰이는 python lib)
5) KoNLPy설치 (한글처리를 위해)
6) twython 설치 (twitter api쉽게 사용하기위해)
2. 학습데이터
- 대용량 한국어 말뭉치
(bible, bounddism, novel ,health, nespaper, magazine, essay, diary, biograpy, juvenileAndfable, criticism , poem
출처 : KIST
3. 구현환경
1)운영체제 버전:
2) cpu성능
3)그래픽:
4)메모리
4. 학습파라미터
5.실험 결과
1)전체소스
1) Most similar
- training 된 data를 통해 Most similar 한 결과출력
2) Doesn’t Match
- training 된 data를 통해 Doesn’t match 한 결과를 출력
3)Positive/Negative
- training 된 data를 통해 positive와 negative 값을 통해 가장 적합한 결과값 출력
Reference :
http://rare-technologies.com/word2vec-tutorial/
http://radimrehurek.com/gensim/tut3.html#similarity-interface
http://m.blog.naver.com/2feelus/220384206922
https://www.lucypark.kr/courses/2015-ba/text-mining.html

키워드

WordEmbedding,   most similar,   doesn't match,   positive,   negative,   NLTK,   KoNLPy,   twython,   AI