Lehrplan Lektion 140 von 246 · Modul 12: Wörter als Zahlen (Embeddings)
Modul 12: Wörter als Zahlen (Embeddings)

Tor: Wortvektoren für eine neue Welt (KI aus)

Warum das wichtig ist Den Aufbau von Wortvektoren aus rohen Sätzen, das Überprüfen dessen was sie gelernt haben, und das Entfernen einer Verzerrung die sie kopiert haben, allein ist dieses Modul in einer Aufgabe.

KI aus. Die Prüfung gibt deinen functions eine Welt, die du noch nicht gesehen hast: neue Sätze von einem anderen seed, mit nurse und engineer geneigt zu she und he. Nichts davon ist in deinem namespace.

Wörter und Symbole in dieser Lektion
window
wie viele Wörter auf jeder Seite zählen als Begleitung eines Wortes
PPMI
wie viel öfter zwei Wörter aufeinandertreffen als der Zufall es vorgeben würde, mit Negativen auf 0
skew
a einseitiges Muster in den Daten, die die Vektoren kopieren
Du bist dran

Schreibe word_vectors(sents, vocab): zähle die Kookkurrenzen innerhalb jedes Satzes mit deiner Wahl des Fensters WINDOW und gib ppmi(counts) zurück, eine Zeile pro Wort von vocab. Schreibe debias(X, vocab): gib eine Kopie von X zurück, in der die vier Berufe (nurse, engineer, doctor, teacher) die Geschlechtsrichtung entfernt haben (Einheitsvektoren, vier Paare, wie in der letzten Lektion), jede zweite Zeile unverändert. Der Check bewertet die 72 Analogien in seiner eigenen Welt (mindestens 95% richtig) und misst dann die Position jedes Berufs auf der Geschlechtsrichtung nach deinem debias (alle innerhalb von 0.05 von Null).

KI aus: kein Tutor, keine Hinweise oder gelöste Lösung für diese Aufgabe. Nur dein eigenes Denken.

Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion

Diese Übung öffnet bald

Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.