【发布时间】：2016-10-29 05:02:02
【问题描述】：
我有一个句子/标签对列表来训练模型，我应该如何将句子编码为输入，比如 SVM？
【问题讨论】：
标签： machine-learning nlp word2vec supervised-learning unsupervised-learning
【发布时间】：2016-10-29 05:02:02
【问题描述】：
这些句子是同一种语言吗？您可以从预训练的 word2vec 文件开始，如果它是英文的，您可以从 Google 下载该文件。注意训练文件是如何创建的，是否应用了词干提取等。它是从哪个语料库生成的也有些重要；如果这是来自新闻组，或者是从网络或更正式的文本中提取的，您会得到不同的结果。
Word2Vec 基本上将每个单词编码到更高维的向量空间中。这通常是 200,300 或 500 个维度。训练好之后，“测试”的句子基本上是词袋，不需要任何顺序。
然后，您将针对词袋中的每个词，找出对应的 word2vec 向量。然后，您可以通过平均向量来创建特征，取“最小值”、“最大值”，如果您正在比较文本，请查看计算向量之间的余弦相似度。然后在 SVM 中使用这些功能。
【讨论】：