word embedding系列（三） FastText

本系列分为四部分，这篇文章是本系列第三篇，在公众号上有写过：word embedding系列（三） FastText，现在搬到CSDN上~

欢迎关注我的公众号，微信搜 algorithm_Tian 或者扫下面的二维码~

现在保持每周更新的频率，内容都是机器学习相关内容和读一些论文的笔记，欢迎一起讨论学习~

---

fastText 是 facebook 开源的一个词向量计算以及文本分类工具，fastText 方法包含三部分：模型架构、层次 Softmax 和 N-gram 特征。

该工具的理论基础是以下两篇论文：

Enriching Word Vectors with Subword Information 词向量（n-gram subword+skip-gram）

Bag of Tricks for Efficient TextClassification 分类（cbow+h softmax）

本篇文章分为三部分来介绍fasttext：

1. FastText中的词向量

2.fasttext预测标签

3.代码示例

输入

词向量模型

文本分类+精度评估

查看分类标签

由于fasttext基本就是基于word2vec，所以本文就不介绍详细公式，只讲与word2vec不同的地方。如果想看公式推导，可以参考上一篇文章