PsychWordVec
1.0.0
Хань-У-Шуан (Брюс) Бао Бао Хань У Шуан
?psychbruce.github.io
library( PsychWordVec ) для формата APA-7 установленной версии. # # Method 1: Install from CRAN
install.packages( " PsychWordVec " )
# # Method 2: Install from GitHub
install.packages( " devtools " )
devtools :: install_github( " psychbruce/ PsychWordVec " , force = TRUE )PsychWordVec embed | wordvec | |
|---|---|---|
| Базовый класс | матрица | данные.таблица |
| Размер строки | размер словарного запаса | размер словарного запаса |
| Размер столбца | Размер размера | 2 (переменные: word , vec ) |
| Преимущество | быстрее (при работе с матрицей) | легче проверять и управлять |
| Функция для получения | as_embed() | as_wordvec() |
| Функция для загрузки | load_embed() | load_wordvec() |
: Примечание. Встраивание слов — это метод обработки естественного языка, который встраивает семантику слова в низкоразмерную матрицу внедрения , при этом каждое слово (на самом деле токен) выражается количественно как числовой вектор , представляющий его (неинтерпретируемые) семантические характеристики. Пользователям предлагается импортировать слово. данные векторов в качестве класса embed с помощью функции load_embed() , которая автоматически нормализует все векторы слов до единичной длины 1 (см. функцию normalize() ) и ускоряет выполнение большинство функций в PsychWordVec .
PsychWordVecas_embed() : из wordvec (data.table) в embed (матрица)as_wordvec() : от embed (матрицы) до wordvec (data.table)load_embed() : загрузить данные встраивания слов как embed (матрицу)load_wordvec() : загрузить данные встраивания слов как wordvec (data.table)data_transform() : преобразует векторы слов простого текста в wordvec или embedsubset() : извлечь подмножество wordvec и embednormalize() : нормализовать все векторы слов до единичной длины 1get_wordvec() : извлечение векторов словsum_wordvec() : вычислить вектор суммы нескольких слов.plot_wordvec() : визуализировать векторы словplot_wordvec_tSNE() : 2D или 3D визуализация с t-SNEorth_procrustes() : Ортогональное выравнивание матрицы Прокруста.cosine_similarity() : cos_sim() или cos_dist()pair_similarity() : вычисляет матрицу сходства пар слов.plot_similarity() : визуализирует сходство пар слов.tab_similarity() : свести в таблицу сходства пар слов.most_similar() : найти топ-N наиболее похожих слов.plot_network() : визуализировать сетевой график слов (частичная корреляция)test_WEAT() : WEAT и SC-WEAT с критерием значимости перестановки.test_RND() : RND с критерием значимости перестановкиdict_expand() : расширить словарь из наиболее похожих слов.dict_reliability() : анализ надежности и PCA словаряtokenize() : токенизировать необработанный текстtrain_wordvec() : обучает встраиванию статических словtext_init() : настройка среды Python для PLM.text_model_download() : загрузить PLM из Hugging Face в локальную папку «.cache».text_model_remove() : удалить PLM из локальной папки «.cache».text_to_vec() : извлечение контекстуализированного токена и встраивания текстаtext_unmask() : <устарело> <пожалуйста, используйте FMAT> заполните пустые маски в запросеСм. документацию (страницы справки) для их использования и подробностей.
