Blogs on Einbettungsvektoren » Lamarr-Institut

00 Blog Brito Automatische Kategorisierung neu - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Automatische Kategorisierung von Online-Shop-Artikeln aus Produktbeschreibungen

Eduardo Alfredo Brito Chacón,

16. November 2022

In diesem Beitrag zeigt Autor Eduardo Brito wie die Klassifizierung von Artikeln in Online-Shops automatisiert werden kann und präsentiert anhand eines Anwendungsbeispiels eine ressourcenschonende Lösung....

Wissensgraph-Einbettung ransformationsfunktion|Beispiel einer Graph- und Vektordarstellung von Pfad/Loop

BlogForschung

5* Wissensgraph-Einbettung mit projektiven Transformationen

Prof. Dr. Jens Lehmann,

16. Februar 2022

Die meisten bereits vorhandenen Knowledge Graphs Embedding Modelle unterstützen oft nur einen einzigen Transformationstyp. Das Modell der 5* Wissensgraph-Einbettung kann jedoch mehrere gleichzeitige Transformationen wie Inversion, Reflexion, Homothetie durchführen....

DEDICOM Matrix-Faktorisierung|Matrix-Fakotrisierung|Absteigend sortierte Wortvektoren per Dimension|Matrix-Faktorisierung DEDICOM|word2vec Wort-Embeddings|Absteigend sortierte Wortvektoren per Dimension||||

BlogForschung

Interpretierbare Wort-Repräsentationen und Themenanalyse mittels Matrix-Faktorisierung

Lars Patrick Hillebrand, David Biesner,

14. April 2021

Word-Embeddings bilden den Grundbaustein für die algorithmische Analyse und Verarbeitung von Texten, wie Textklassifizierung, Übersetzung und Textgenerierung. Interpretierbare Vektorrepräsentation von Wörtern kodieren semantische Zusammenhänge verständlich und ermöglichen Analyse von wort-übergreifenden Themen....

BERT Assoziationsmodelle|Assoziationen der Vektoren|Darstellungen der Assoziationen zwischen den Worten in unterschiedlichen Assoziationsmodulen|Überblick über alle Assoziationen der unterschiedlichen Assoziationsmodule|Architektur des BERT-Modells|Darstellungen der Assoziationen zwischen den Worten in unterschiedlichen Assoziationsmodulen|Überblick über alle Assoziationen der unterschiedlichen Assoziationsmodule|Architektur des BERT-Modells||||

BlogForschung

BERT: Wie beschreiben Vektoren treffend den Sinngehalt von Wörtern?

Dr. Gerhard Paaß,

12. März 2021

BERT ermöglicht es viele Probleme der Interpretation natürlicher Sprache zu lösen. Dieser Beitrag erläutert detailliert die Architektur, die Eigenschaften und Funktionsweise des von Google entwickelten Modells....

00 Blog Paass - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogGrundlagen

Die Bedeutung von Worten durch Vektoren erfassen

Dr. Gerhard Paaß,

10. März 2021

Der Sinngehalt von Worten lässt sich durch numerische Vektoren darstellen, die auch die Nachbarschaftsworte einbeziehen. Dadurch lassen sich syntaktische und semantische Zusammenhänge der Sprache erfassen und zur Interpretation von Bedeutungen verwenden....

Stichwortvergabe Kindermann - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogAnwendung

Automatisierte Stichwortvergabe für kurze Texte

Dr. Jörg Kindermann,

13. Januar 2021

Um in umfangreichen Textsammlungen eine zielgerichtete Suche zu ermöglichen, ist eine Vergabe von Stichworten üblich. Wir beschreiben Methoden, wie man kurze Texte vollautomatisch mit inhaltsbezogenen Stichworten versehen kann....