Векторные представления текстов и графов

Видеозаписи

Лекция

Семинар

Содержание лекции

• Векторные представления графов.
• Многомерное шкалирование (multidimensional scaling, MDS).
• Векторное представление соседства (stochastic neighbor embedding, SNE и tSNE).
• Матричные разложения (graph factorization).
• Модели случайных блужданий DeepWalk, node2vec.
• Обобщённый автокодировщик на графах GraphEDM.
• Представление о графовых нейронных сетях (graph neural network, GNN). Передача сообщений по графу (message passing).
• Векторные представления текста. Гипотеза дистрибутивной семантики.
• Модели CBOW и SGNS из программы word2vec. Иерархический SoftMax.
• Модель FastText.

Материалы

• Презентация Voron-ML-Embeddings-slides.pdf (PDF, 1,2 МБ) — прикреплена к публикации.

Материалы курса © К. В. Воронцов. Текст и слайды распространяются по лицензии CC BY-SA 3.0 — на условиях этой лицензии они воспроизведены здесь без изменений. Видеозаписи размещены на YouTube и встроены по ссылке; их копии здесь не хранятся.