Questo elaborato ha come obbiettivo quello di studiare i Word Embeddings, in relazione alla loro applicazione alla collezione biomedicale di PubMed. L'interesse è quello di sviluppare una versione del modello SkipGram con la quale addestrare i Word Embeddings con la collezione PubMed sfruttando una piattaforma con poche risorse di calcolo come un Notebook: è stata sviluppata un'implementazione in Python del modello utilizzando TensorFlow e i risultati sono stati valutati in modo intrinseco.

Uno studio sui Word Embeddings per documenti di ambito medico: Il caso di studio della collezione PubMed

Beschi, Andrea
2018/2019

Abstract

Questo elaborato ha come obbiettivo quello di studiare i Word Embeddings, in relazione alla loro applicazione alla collezione biomedicale di PubMed. L'interesse è quello di sviluppare una versione del modello SkipGram con la quale addestrare i Word Embeddings con la collezione PubMed sfruttando una piattaforma con poche risorse di calcolo come un Notebook: è stata sviluppata un'implementazione in Python del modello utilizzando TensorFlow e i risultati sono stati valutati in modo intrinseco.
2018-07-10
Word Embeddings, Word2Vec, SkipGram, TensorFlow, PubMed
File in questo prodotto:
File Dimensione Formato  
Uno_studio_sui_Word_Embeddings_per_documenti_di_ambito_medico_-_il_caso_di_studio_della_collezione_PubMed.pdf

accesso aperto

Dimensione 943.02 kB
Formato Adobe PDF
943.02 kB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/27385