HDBSCAN
HDBSCAN – это мощный алгоритм кластеризации, который основан на идее о том, что кластеры – это области высокой плотности, разделенные областями низкой плотности.
Hugging Face
Hugging Face — это платформа и сообщество, предоставляющее инструменты и ресурсы для работы с обработкой естественного языка (NLP), включая обширную библиотеку предобученных моделей, наборы данных и удобный API
IRI
IRI – стандарт интернет-протокола , который основан на протоколе унифицированного идентификатора ресурса (URI) и значительно расширяет набор разрешенных символов благодаря использованию не US-ASCII, а большинство символов из универсального набора символов (Unicode/ISO 10646 ), включая китайские, японские, корейские и кириллические символы.
kNN
K-Nearest Neighbors (KNN), или метод k-ближайших соседей — это простой, но мощный алгоритм машинного обучения, используемый как для задач классификации, так и регрессии. Он относится к типу «ленивого» обучения, что означает, что он не строит явную модель на этапе обучения, а скорее запоминает все обучающие данные и делает прогнозы на основе сходства с этими данными.
LDA
LDA (Latent Dirichlet Allocation) – это один из наиболее популярных алгоритмов тематического моделирования, широко используемый в задачах информационного поиска и анализа текстов.
mT5
mT5 (Multilingual T5) – это многоязычная версия модели T5 от Google. Она обучена на огромном корпусе Common Crawl, содержащем 101 язык, включая русский, английский, немецкий, французский, испанский, китайский и др.
n-грамма
N-грамма – это последовательность из N слов в тексте. N может быть любым числом, и означает количество слов, которые объединяются вместе.
NLP
NLP (обработка естественного языка) – это технология машинного обучения, которая дает компьютерам возможность интерпретировать, обрабатывать и понимать человеческий язык.
NLP-пайплайн
NLP-пайплайн — это конвейер обработки естественного языка, сфокусированный на выявлении значений, связей и тематической структуры текста, а не на поверхностных признаках (например, частях речи или синтаксисе).
NLTK
Natural Language Toolkit (NLTK) — библиотека для обработки естественного языка (NLP) на языке программирования Python.
