[GoogleML] Natural Language Processing & Word Embeddings

Word Representation 내적을 통해 유사도를 파악할 수 있다. 모델의 입장에서 사과와 오렌지 feature vector는 유사하다 킹 - 오렌지, 퀸 - 오렌지 보다 사과 - 오렌지가 더 유사한 관계 임베딩의 개념 Using Word Embeddings 전이 학습을 통해 더 작은 양의 training set에 적용 가능하다 이러한 점에서 word embedding은 face encoding과 유사한 점이 있다! :) Properties of Word Embeddings man -> woman as king -> what? 어떻게 알고리즘적으로 추론할 수 있을까? (두벡터의 차가 동일해지는 feature -> gender) 300 차원의 표현 공간에서 성별을 의미하는 두 벡터가 유사하게 나타난..

2023.10.29