pytorch中没有string数据类型的处理

这篇博客探讨了在处理文本数据时,如何从传统的one-hot编码过渡到更有效的词嵌入技术,如word2vec和GloVe。这些方法在解决单词之间的关联性和相似性方面展现出优势,尤其对于中文等汉字众多的语言。此外,还讨论了如何应用这些技术来改善大规模词汇库的处理效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

One-hot

  1. 使用one-hot编码对单词进行编码(适用于有限且少量词库的数据)
  2. one-hot对英文字母编码(仅26维向量)

Embedding

  1. word2vec
  2. glove

解决“i dislike”和“i like”之间单词相关性和类似中文汉字较多的数据问题

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Env1sage

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值