|
% g6 a: R: T) j7 w 大概一年前,我在AINLP的公众号对话接口里基于腾讯800万大的词向量配置了一个相似词查询的接口:腾讯词向量和相似词、相似度、词语游戏系列相似词查询:玩转腾讯 AI Lab 中文词向量玩转腾讯词向量:词语相似度计算和在线查询 ' }& ?% e0 }: ]6 t
腾讯词向量实战:通过Annoy进行索引和快速查询玩转腾讯词向量:Game of Words(词语的加减游戏)词向量游戏:梅西-阿根廷+葡萄牙=?通过这个接口,可以直接输入“相似词 自然语言处理"查询“自然语言处理 5 x! s3 R( v# b7 ?/ p
”的相近词:
5 p; L z5 \( B 不过我们也发现,有不少用户直接输入"近义词 词语", "同义词 词语" 查询相似词,严格的说,基于词向量的相似词不能代表语言学意义上的近义词、同义词,但是可以匹配上一些近义词、同义词,甚至反义词,所以可以作为一个参考,由人来自己选择其中的近义词、同义词或者反义词,例如: m' n4 _6 Z; _! N e
最近,这个功能又升级了,基于自动语言识别以及更多语言的词向量,不仅仅可以查询中文,还可以查询英文、日文等其他语言,基本上,主流的语言查询都覆盖了,感兴趣的朋友可以试试,例如:
4 \5 r2 p/ f6 s8 N 这些模型里,除了中文模型继续沿用腾讯词向量外,其他的是我很早之前基于维基百科的语料训练的,现在利用起来作为其他语言的查询支持,不过,因为绝大多数语言我都不懂,所以也可能会有错误至于词向量模型,现在的选择远比当时丰富,如果是需要中文词向量,可以选择腾讯800万词向量,现在地址有所变化:。
: f4 O/ f, r# X Tencent AI Lab Embedding Corpus for Chinese Words and Phrases(https://ai.tencent.com/ailab/nlp/zh/embedding.html
8 y3 n$ i+ z% \" K: k* } )或者参考:上百种预训练中文词向量:Chinese-Word-Vectors如果需要多种语言的,可以参考:Pre-trained word vectors of 30+ languages(https://
& X8 e- A! Q3 Y, b" @ github.com/Kyubyong/wordvectors)最后推荐一个Awsome系列,这里面有很多关于词嵌入模型的相关学习资源:https://github.com/Hironsan/awesome-embedding-models
. {* i) V7 z& i+ K8 K- p1 G7 y' s: n, E1 y
- w. q6 l0 X* H) k! h: t' y' G, N: T8 [+ h7 W5 H* g; x
# N' ^" m9 s: l" H( p2 V5 I |