推出企业服务火山引擎后，字节跳动收购容器平台才云科技
06-18
雷锋网注：【图片来源：venturebeat 所有者：venturebeat】即使是最好的文本解析推荐算法也会受到一定规模的数据集的阻碍。
为了提供比大多数现有方法更快、更好的分类性能，来自 MIT-IBM Watson AI 实验室和 MIT 几何数据处理小组的团队设计了一种结合嵌入式和最优传输等流行人工智能工具的方法。
技术。
他们认为，这种方法只需考虑一个人的历史偏好，或者一群人的偏好，就可以涵盖数百万种可能性。
领导这项研究的麻省理工学院助理教授Justin在一份声明中表示，互联网上有大量文本，任何有助于剖析这些材料的东西都非常有用。
为此，Justin和他的同事使用算法根据文本集合中常见的单词将文本集合总结为主题。
接下来，它将每个文本分为 5 到 15 个最重要的主题，并使用排名来显示每个主题对整个文本的重要性。
此外，嵌入（在本例中是单词的数据表示）有助于使单词之间的相似性变得明显，而最佳传输有助于计算在多个目的地之间移动对象。
（或数据点）以最有效的方式。
同时，嵌入使得“利用两种最佳转移”成为可能：首先通过比较集合中的主题，然后通过测量共同主题的重叠程度。
研究人员表示，这种方法在扫描大量书籍和文档时特别有效。
在对古腾堡项目数据集中的标题进行评估时，该算法在一秒钟内成功比较了所有标题，比下一个最佳候选标题快了近三倍。
此外，与其他方法相比，该算法在文档分类方面做得更好。
例如，古腾堡数据集中作者的书籍分组；或按部门对亚马逊上的产品评论进行分组。
同时，算法还提供了主题列表，可以向用户解释推荐给定文档的原因，使用户更容易理解。
然而，研究人员对当前的技术水平并不满意。
他们还将继续开发一种端到端的训练技术，联合优化嵌入、主题模型和最佳传输，而不是像当前的实现那样单独优化。
在应用方面，他们还希望将他们的方法应用于更大的数据集，并研究图像或3D数据建模的应用。
JustinSolomon在总结其工作的论文中表示，（我们的算法）似乎以与要求人比较两个文档相同的方式捕获差异：首先将每个文档分解为易于理解的概念，然后比较这些概念……····对于更进一步的想法，JustinSolomon表示：让词嵌入提供全局语义语言信息，主题模型提供语料库特定的主题和主题分布。
根据经验，这些因素结合起来可以在各种基于指标的任务中提供卓越的性能。
雷锋网注：文章编译自venturebeat。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态