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

90.33%

  • 機械学習

    765questions

    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。

doc2vec訓練外単語について

受付中

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 2,276

watanta

score 2

doc2vecについて調べています。gensimのdoc2vecのtutorialを試しました。
https://github.com/RaRe-Technologies/gensim/blob/develop/docs/notebooks/doc2vec-lee.ipynb
doc2vecの論文も斜め読みしました。
https://cs.stanford.edu/~quocle/paragraph_vector.pdf

doc2vecは、訓練データ(コーパス)内にある単語をone-hot vectorにし、それをモデルを入力し、モデルにパラメータを学習させるものだと思っています。

しかし、学習後のモデルにコーパスにない単語を入力したいときはどうすれば良いのでしょうか。その単語は、訓練時に定めたone-hot vectorでは表現できないように思います。

(訓練外の単語を入力することが可能かどうかについては、可能ということはわかっています。論文にもそう書いてありましたし、gensimのmodel.infervector()でもなにかしらのベクトルが得られました。しかし、なぜ可能かを僕は理解できていないません。)

どなたかヒントを与えていただけると幸いです。
読んでいただきありがとうございました。

  • 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。

質問への追記・修正、ベストアンサー選択の依頼

  • MasashiKimura

    2017/04/09 07:30

    論文を読み返してみましたが、「訓練外の単語を入力することが可能かどうかについては、可能ということはわかっています。論文にもそう書いてありました」というのは具体的にどういった表現で、どこにかいてありますか?

    キャンセル

回答 1

+1

doc2vec触ったことない機械学習初心者ですが、ほぼ同じ内容と思われる質問を見つけました。
How word2vec can be used to identify unseen words and relate them to already trained data

以下は意訳です。間違っていたらすみません。

  • 未知の単語を含めて再訓練が自然な解決法である。
  • その方法がとれないなら、未知の単語を「子猫」→「子」「猫」など音節や文字に再分割して解く

ちなみに未知な単語についてのinfer_vector()が何を返す(表す)か?ですが
Doc2Vec infer_vector() could (as option?) offer deterministic result #447
をななめ読みした限り、ランダムな値を返すようです。
つまり私には何を返しているのかさっぱり分かりません。

投稿

編集

  • 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。

同じタグがついた質問を見る

  • 機械学習

    765questions

    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。