文書ベクトルをお手軽に高い精度で作れるSCDVって実際どうなのか日本語コーパスで実験した(EMNLP2017)

前置きというか概要 今年のEMNLP2017で提案されていたSCDV(Sparse Composite Document Vectors)について、日本語のコーパス(livedoor ニュースコーパス)で検証しました。 20171114追記 fasttextベースのSCDVによるテキスト分類精度を追記しました。 SCDVのモチベーション (https://dheeraj7596.github.io/SDV/) いい感じのランディングページまで用意していてすげえなって思いました。論文は当然のようにarxivで公開されています。大正義。 https://arxiv.org/pdf/1612.06778.pdf HTMLで読みたい方はこちら。https://www.arxiv-vanity.com/papers/1612.06778/ これを読んでいる皆様に、「どうにかして文章のベクトルが欲しい

[taichitary]

お仕事で使えそう

[Nyoho]

SCDV(Sparse Composite Document Vectors)

[aipacommander]

あねさんがテンションあがっていたのでブクマ

[efcl]

> SCDVはどのようにしてそれを実現するのかといいますと、word2vecのベクトル空間をいい感じに修正することがその本質です。

[itouhiro]

「SCDVはword2vecのベクトル空間をいい感じに修正する。まずはword2vecを学習させる。確率重み付け単語ベクトル空間を可視化。文書ベクトルの可視化。テキスト分類の精度。SCDVは手軽に精度向上を見込める」

[chezou]

早くて性能もfasttext並みか。良さそう。GMMをソフトクラスタリング言うのは初めて聞いた

[fufufukakaka]

fasttextベースでも今度試します / 試しました