PsychWordVec 다운로드 - PsychWordVec 소스 코드 다운로드

PsychWordVec

AI 소스 코드

1.0.0

다운로드

PsychWordVec

작가

한우솽(브루스) 바오바오 한우솽

[email protected]

?psychbruce.github.io

소환

Bao, H.-W.-S.(2022). PsychWordVec : 심리학을 위한 단어 임베딩 연구 프레임워크 https://CRAN.R-project.org/package=PsychWordVec
- 참고 : 이것은 원래 인용 형식입니다. 설치된 버전의 APA-7 형식에 대한 library( PsychWordVec ) 를 참조하십시오.
Bao, H.-W.-S., Wang, Z.-X., Cheng, X., Su, Z., Yang, Y., Zhang, G.-Y., Wang, B., & Cai, H. (2023). 인간 심리학 조사를 위한 단어 임베딩 사용: 방법 및 적용. 심리학의 발전, 31 (6), 887-904.
[Bao Han, Wu Shuang, Wang Zixi, Cheng Xi, Su Zhan, Yang Ying, Zhang Guangyao, Wang Bo, Cai Huajian. (2023). 단어 삽입 기술을 기반으로 한 심리학 연구: 심리학의 발전, 31. (6), 887-904.]

설치

PsychWordVec") ## Method 2: Install from GitHub install.packages("devtools") devtools::install_github("psychbruce/ PsychWordVec ", force=TRUE)">

 # # Method 1: Install from CRAN
install.packages( " PsychWordVec " )

# # Method 2: Install from GitHub
install.packages( " devtools " )
devtools :: install_github( " psychbruce/ PsychWordVec " , force = TRUE )

`PsychWordVec` 의 데이터 유형

	`embed`	`wordvec`
기본수업	행렬	데이터.테이블
행 크기	어휘 크기	어휘 크기
열 크기	치수 크기	2 (변수: `word` , `vec` )
이점	더 빠르게(매트릭스 연산 사용)	검사 및 관리가 더 쉬워졌습니다.
얻을 수 있는 기능	`as_embed()`	`as_wordvec()`
로드하는 기능	`load_embed()`	`load_wordvec()`

: 참고: 단어 임베딩은 단어 의미를 저차원 임베딩 행렬 에 삽입하는 자연어 처리 기술을 의미하며, 각 단어(실제로 토큰)는 해당(해석할 수 없는) 의미 특징을 나타내는 숫자 벡터 로 정량화됩니다. 모든 단어 벡터를 단위 길이 1로 자동 정규화하고( normalize() 함수 참조) 실행을 가속화하는 load_embed() 함수를 사용하여 데이터를 embed 클래스로 벡터화합니다. PsychWordVec 의 대부분의 기능.

`PsychWordVec` 의 기능

Word Embeddings 데이터 관리 및 변환
- as_embed() : wordvec (data.table)에서 embed (행렬)로
- as_wordvec() : embed (행렬)에서 wordvec (data.table)로
- load_embed() : 단어 삽입 데이터를 embed (행렬)으로 로드합니다.
- load_wordvec() : 단어 임베딩 데이터를 wordvec (data.table)로 로드합니다.
- data_transform() : 일반 텍스트 단어 벡터를 wordvec 또는 embed 로 변환합니다.
단어 벡터 추출, 선형 연산 및 시각화
- subset() : wordvec 의 하위 집합을 추출하고 embed
- normalize() : 모든 단어 벡터를 단위 길이 1로 정규화합니다.
- get_wordvec() : 단어 벡터 추출
- sum_wordvec() : 여러 단어의 합계 벡터를 계산합니다.
- plot_wordvec() : 단어 벡터 시각화
- plot_wordvec_tSNE() : t-SNE를 사용한 2D 또는 3D 시각화
- orth_procrustes() : 직교 프로크루스테스 행렬 정렬
단어 의미 유사성 분석, 네트워크 분석 및 연관성 테스트
- cosine_similarity() : cos_sim() 또는 cos_dist()
- pair_similarity() : 단어 쌍의 유사성 행렬을 계산합니다.
- plot_similarity() : 단어 쌍의 유사성을 시각화합니다.
- tab_similarity() : 단어 쌍의 유사성을 표로 작성합니다.
- most_similar() : Top-N 가장 유사한 단어를 찾습니다.
- plot_network() : 단어의 (부분 상관) 네트워크 그래프를 시각화합니다.
- test_WEAT() : 유의성 순열 테스트가 포함된 WEAT 및 SC-WEAT
- test_RND() : 유의성 순열 테스트가 포함된 RND
사전 자동 확장 및 신뢰성 분석
- dict_expand() : 가장 유사한 단어로 사전을 확장합니다.
- dict_reliability() : 사전의 신뢰도 분석 및 PCA
정적 단어 임베딩의 로컬 훈련(Word2Vec, GloVe 및 FastText)
- tokenize() : 원시 텍스트를 토큰화합니다.
- train_wordvec() : 정적 단어 임베딩 훈련
사전 훈련된 언어 모델(PLM) 및 상황화된 단어 임베딩
- text_init() : PLM용 Python 환경 설정
- text_model_download() : Hugging Face에서 로컬 ".cache" 폴더로 PLM을 다운로드합니다.
- text_model_remove() : 로컬 ".cache" 폴더에서 PLM을 제거합니다.
- text_to_vec() : 상황에 맞는 토큰 및 텍스트 임베딩을 추출합니다.
- text_unmask() : <더 이상 사용되지 않음> <FMAT를 사용하세요> 쿼리에 빈 마스크를 입력하세요.