質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.34%

  • Python

    9179questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • 機械学習

    763questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • 自然言語処理

    138questions

    自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。

fastTextの学習済みモデルに関して

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 558

harunouta

score 100

 前提・実現したいこと

fastTextの学習済みモデルを使って
Word2Vecを使った文章間の類似度算出をしようとしています。

Word2Vecを使った文章間の類似度算出
fastTextの学習済みモデル(日本語)

 発生している問題・エラーメッセージ

学習済みモデルはファイルをダウンロードして使用しており、
日本語は公開されているモデルを使っていますが、
英語のfastTextの学習済みモデルを探しており、
以下が該当するのではないかと考えています。
English word vectors

fastTextの公式ページからインストール可能な日本語のモデルもあり、
Word vectors for 157 languages(js選択)fastTextの学習済みモデル(日本語)では、どちらがEnglish word vectorsと対応するのか判断しかねています。

学習済みモデルに対しての理解が追いついておらず、
現状ではダウンロードして使っているだけなので判断ができず、今回の質問に至ります。
今後勉強を進めていきたいと思いますが、
今回の件に関しまして、知識をお貸しいただけますと大変助かります。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

なにが質問でしょうか?
https://fasttext.cc/docs/en/english-vectors.html
は間違いなく英語ですね。
異なるデータセットに対して学習させたものが3つです。

日本語のものが英語に対応しているのかを知りたいのでしょうか?

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/07/02 20:24

    はい、Qiitaで公開されている日本語のものが英語に対応しているのかを知りたいです。

    キャンセル

  • 2018/07/02 20:29

    対応していないと思います。
    日本語と英語を同時に処理したいということでしょうか?

    どうしてもなら、正規表現で別々に抜き出すか、一度どっちか一方に翻訳をかけるかでしょうか。

    キャンセル

  • 2018/07/02 22:23

    ご回答いただきましてありがとうございます。
    同時に処理したいわけではないのですが、
    Word2Vecを使った類似度を算出する為に用意した文章の内容が
    言語は違いますが、日英で内容は全く同じなので、
    日英で学習済みモデルを統一したいと考えています。

    キャンセル

  • 2018/07/02 22:24

    その場合は、fastTextの公式ページからダウンロードしたモデルを
    日英共に使用するのが賢明でしょうか。

    キャンセル

  • 2018/07/02 22:37 編集

    言語が異なるとモデルの質が変わってきます。
    たとえば、まったく同じ内容の文章の英語と日本語に対して、
    英語の文書を英語のモデルで扱うこと、
    英語の文書を日本語に翻訳して日本語のモデルで扱うこと、
    日本語の文書を日本語のモデルで扱うこと、
    日本語の文書を英語に翻訳して英語で扱うこと、
    は異なります。

    もちろん、同じ内容にしても、言語学的に難易度が異なることも寄与しています。

    「統一」するというのはどういうことでしょうか?

    キャンセル

  • 2018/07/03 15:11

    お返事とご回答いただきましてありがとうございます。
    英語の文書を英語のモデルで扱うことと、日本語の文書を日本語のモデルで扱うことを想定しており、
    この英語のモデルと日本語のモデルを作成するときに、モデルの学習させたインプット情報を統一したいということです。言語によりWkipediaのページ数の有無や説明の違いがあることは理解しています。

    言い換えると今回の2つの日本語学習済みモデルである
    Word vectors for 157 languages(js選択)とfastTextの学習済みモデル(日本語)は同じなのか
    ということになります。

    キャンセル

  • 2018/07/03 19:41 編集

    使用しているデータが同じならそれなりに似ているモデルになります。
    どこまで不確定性を固定することができるのか、すぐには判断できません。

    データが異なるのなら全然異なるモデルになってもよいとおもいます。
    (日本語)の方はtxtファイルをダウンロードできましたか?
    (js選択)の方は学習済みのモデルなのでは?

    キャンセル

  • 2018/07/05 12:54

    お返事いただきましてありがとうございます。
    ご質問いただいた意図が解りかねるのですが、
    (日本語)の方はtxtファイルはダウンロードできませんでした。
    (js選択)の方は学習済みのモデルです。

    fastTextの公式ページからインストール可能な学習済みモデルを日英ともに用いるのが言語間の差を縮小するには、一番賢明な判断でしょうか。

    キャンセル

  • 2018/07/05 17:13

    > 言い換えると今回の2つの日本語学習済みモデルである
    Word vectors for 157 languages(js選択)とfastTextの学習済みモデル(日本語)は同じなのか
    ということになります。

    を聞いていたので、そもそも片方をダウンロードできないのに比較しようがないように思ったので。

    > fastTextの公式ページからインストール可能な学習済みモデルを日英ともに用いるのが言語間の差を縮小するには、一番賢明な判断でしょうか。

    一番賢明かどうかわかりませんが、すぐにできることではあります。
    評価できる定量的な指標もないので、判断は難しいです。

    上でも申し上げましたが、片方の言語に翻訳して揃えて、同じ言語でやることも考えられます。
    難しい部分をどこに持ってくるのか、という問題です。

    キャンセル

  • 2018/07/09 19:03

    ご回答いただきましてありがとうございました。
    検討すべきことが明確になりました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.34%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

同じタグがついた質問を見る

  • Python

    9179questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • 機械学習

    763questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • 自然言語処理

    138questions

    自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。