Google 发布 Word Embedding Documents 数据集, 应用在 自然语言处理、文本分类 领域

Google 本次发布的数据集 Word Embedding Documents, 该数据集通过词嵌入技术将文档表示为概率测度，其中每个单词及其出现频率分别作为支撑（support）和权重（weight）。此外，该词2vec模型包含大约300万个词汇/短语，并且在文档中移除了SMART停用词。该数据集的任务是对文档进行分类。

查看Word Embedding Documents

关于 Google , Google 是一家美国跨国科技公司，专注于互联网相关的服务和产品，包括在线广告技术、搜索引擎、云计算、软件等。它是世界上最大的搜索引擎公司，提供网页搜索、视频搜索等多种在线信息检索服务。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。