Recensioni e Dettagli del Prodotto Gensim

Indicizzazione e recupero dei dati indicizzati in modo frequente Recensione raccolta e ospitata su G2.com.

Il costo del server è maggiore, è necessario avere una buona esposizione su Python. Recensione raccolta e ospitata su G2.com.

I migliori strumenti per l'apprendimento non supervisionato, la modellazione di argomenti e linguaggi, l'indicizzazione dei documenti, il recupero di similarità con grandi corpora, algoritmi di spazio vettoriale e strumenti supplementari per reti neurali profonde come NLTK, Keras, word2vec, FastText, ecc. Modelli compilati, integrazione con conda, API per massimizzare i calcoli senza dipendere dall'elevata potenza computazionale. Viene fornita anche la visualizzazione e l'analisi del modello che aiuta nello sviluppo di modelli di reti neurali personalizzati. Recensione raccolta e ospitata su G2.com.

Ottimizzato per l'indipendenza della piattaforma, ma potrebbe essere frenetico gestire il codice sorgente poiché le dipendenze di Gensim sono separate dai pacchetti indipendenti autonomi come TensorFlow, Keras, ecc. Recensione raccolta e ospitata su G2.com.

Ho usato questa libreria per il topic modelling dei dati di testo non strutturati. Rispetto ad altre librerie che ho testato, genism funziona molto velocemente. Un'altra cosa che mi piace di più è la facilità di implementazione se leggi la documentazione. Inoltre, il loro corpus pre-addestrato è utile se ti concentri su un dominio specifico. Recensione raccolta e ospitata su G2.com.

Poiché è una libreria precompilata, a volte è difficile trovare le cose che accadono nel backend. È qualcosa come una scatola nera. Recensione raccolta e ospitata su G2.com.

- Implementazione più semplice

- Molti parametri opzionali da configurare

- Fattibilità per sviluppare molti tipi - word2vec, fastext, ecc.

- Costruzione, aggiornamento e salvataggio del modello più facili in una sola riga di codice Recensione raccolta e ospitata su G2.com.

- la libreria avrebbe dovuto essere aggiornata per funzionare con gli ultimi embedding utilizzando l'apprendimento per trasferimento come bert/Albert. altrimenti potrebbe diventare obsoleta senza gli sviluppi recenti Recensione raccolta e ospitata su G2.com.

Gensim è una delle migliori librerie NLP con cui si possono addestrare e costruire modelli NLP con facilità e alta precisione. Recensione raccolta e ospitata su G2.com.

Gensim è adatto solo per compiti legati all'NLP e non per una vasta gamma di compiti di Machine Learning. Per altri casi d'uso, si dovrebbe fare uso di altre librerie più adatte. Recensione raccolta e ospitata su G2.com.

Modelli di word embedding di Gensim e pipeline NLP Recensione raccolta e ospitata su G2.com.

Incapacità di utilizzare modelli all'avanguardia (SOTA) come i Transformers

Incapacità di utilizzare le GPU Recensione raccolta e ospitata su G2.com.

Meno tempo di allenamento con risultati decenti. Buono per creare un vocabolario personalizzato. Recensione raccolta e ospitata su G2.com.

È necessario pre-elaborare il testo, in particolare stemming/lemmatizzazione per ridurre la dimensione del vocabolario. Questo non aiuta nei casi in cui hai bisogno delle parole nella loro forma originale. Recensione raccolta e ospitata su G2.com.

Lavoro in un team basato su NLP e abbiamo usato frequentemente Gensim per soddisfare le esigenze di diversi progetti. Word2vec, Doc2vec e LDA sono stati dei veri salvavita. Recensione raccolta e ospitata su G2.com.

Anche se uso Gensim da un po' di tempo, non ho ancora trovato nulla che sia uno svantaggio. Recensione raccolta e ospitata su G2.com.

Ho lavorato principalmente con strumenti di preprocessing di Gensim. È stato semplice da implementare e confrontare i risultati con diversi strumenti come word2vec, gensim, ecc. Recensione raccolta e ospitata su G2.com.

È passato un po' di tempo. Non ricordo cosa non mi piaceva Recensione raccolta e ospitata su G2.com.

Gensim fornisce vettori contestuali pre-addestrati Recensione raccolta e ospitata su G2.com.

È possibile offrire una maggiore varietà di dimensioni dei vettori per i vettori pre-addestrati. Recensione raccolta e ospitata su G2.com.