2Note that the unsupervised Word2ve

2Note that the unsupervised Word2vec embeddings could
be used as input to a supervised classifier, which we did not
do. For a supervised embedding baseline we instead use WSABIE.
WSABIE trains word embeddings U and hashtag embeddings
V in a supervised fashion, whereasWord2vec trains
them both unsupervised. Adding supervision to Word2vec
would effectively do something in-between: U would still be
unsupervised, but V would then be supervised.

ผลลัพธ์ (ไทย) 1:

2Note ที่สามารถ unsupervised Word2vec embeddingsใช้เป็นข้อมูลเพื่อการ classifier มี ซึ่งเราไม่ทำ สำหรับเป็นข้อมูลพื้นฐาน embedding มี เราแต่ใช้ WSABIEWSABIE คำ embeddings รถไฟและอย่างไร hashtag embeddingsV ในแฟชั่นมี รถไฟ whereasWord2vecพวกเขาทั้งสอง unsupervised เพิ่มการดูแล Word2vecจะมีประสิทธิภาพทำงานระหว่าง: U จะยังคงunsupervised แต่ V แล้วจะได้ดูแล

ผลลัพธ์ (ไทย) 2:

2Note ว่า embeddings Word2vec
ใกล้ชิดสามารถนำมาใช้เป็นinput
เพื่อลักษณนามภายใต้การดูแลซึ่งเราไม่ได้ทำ สำหรับการดูแลการฝังพื้นฐานที่เราใช้แทน WSABIE.
WSABIE รถไฟคำ embeddings U และ hashtag embeddings
V ในแฟชั่นภายใต้การดูแล, whereasWord2vec
รถไฟพวกเขาทั้งสองใกล้ชิด เพิ่มการกำกับดูแลการ Word2vec
ได้อย่างมีประสิทธิภาพจะทำบางสิ่งบางอย่างในระหว่าง: U
จะยังคงหากินแต่วีก็จะได้รับการดูแล

ผลลัพธ์ (ไทย) 3:

2note ที่ embeddings word2vec unsupervised สามารถใช้เป็น input
เพื่อดูแลตัว ซึ่งเราไม่ได้
ทํา สำหรับการฝังฐานเราแทนที่จะใช้ wsabie .
wsabie รถไฟคำ embeddings U และ V ในการ hashtag embeddings
แฟชั่น whereasword2vec รถไฟ
ทั้งคู่แบบไม่โต้ตอบ การนิเทศเพื่อ word2vec
จะได้อย่างมีประสิทธิภาพทำระหว่างอยู่
: Uคนเดียว แต่วีก็จะดูแล