-
文本语义相似度分析祖先节点嵌入向量数据集
2025年7月12日 30 21 4
文本语义相似度分析祖先节点嵌入向量数据集_Text_Semantic_Similarity_Ancestor_Node_Embedding_Vectors 数据来源：互联网公开数据 标签：语义分析, 文本嵌入, 向量表示, 相似度计算, 机器学习, 深度学习, 自然语言处理, 知识图谱 数据概述：...
-
用户行为嵌入特征数据集UserBehaviorEmbeddingFeatures-ivanblch
2025年5月30日 30 15 6
用户行为嵌入特征数据集UserBehaviorEmbeddingFeatures-ivanblch 数据来源：互联网公开数据 标签：用户行为, 嵌入特征, 数据挖掘, 机器学习, 推荐系统, 用户画像, 深度学习, 向量表示 数据概述： 该数据集包含用户行为的嵌入特征数据，记录了经过处理的用户行为信息，并将其转化为高维向量形式。主要特征如下：...
-
用户行为特征向量数据集UserBehaviorFeatureVectors-dmitriiy2
2025年5月30日 30 18 6
用户行为特征向量数据集UserBehaviorFeatureVectors-dmitriiy2 数据来源：互联网公开数据 标签：用户行为, 特征工程, 向量表示, 机器学习, 推荐系统, 数据建模, 用户画像, 嵌入向量 数据概述： 该数据集包含经过特征提取后，用于描述用户行为的向量数据。主要特征如下：...
-
数据512维度的嵌入向量数据集Embedding-512-2Dataset-bankit1234
2025年5月28日 30 18 9
512维度的嵌入向量数据集Embedding-512-2Dataset-bankit1234 数据来源：互联网公开数据 标签：文本嵌入，语义分析，自然语言处理，机器学习，向量表示，深度学习，数据集，特征提取 数据概述： 该数据集包含512维度的文本嵌入向量，用于表示文本的语义信息。主要特征如下：...
-
文本语义BERT嵌入向量数据集TextSemanticBERTEmbeddingVectors-honglyu
2025年5月14日 30 29 2
文本语义BERT嵌入向量数据集TextSemanticBERTEmbeddingVectors-honglyu 数据来源：互联网公开数据 标签：BERT, 文本嵌入, 语义分析, 向量表示, 深度学习, 自然语言处理, 文本相似度, 降维 数据概述： 该数据集包含基于BERT模型生成的文本嵌入向量，记录了文章的语义信息。主要特征如下：...
-
文本语义相似度计算嵌入向量数据集TextSemanticSimilarityEmbeddingVectors-erkhatkalkabay
2025年5月14日 30 21 3
文本语义相似度计算嵌入向量数据集TextSemanticSimilarityEmbeddingVectors-erkhatkalkabay 数据来源：互联网公开数据 标签：语义相似度, 文本嵌入, 向量表示, 机器学习, 自然语言处理, 数据分析, 文本分析, 预训练模型 数据概述：...
-
深度学习模型特征嵌入数据集DeepLearningModelFeatureEmbeddingDataset-tkm2261
2025年5月12日 30 17 10
深度学习模型特征嵌入数据集DeepLearningModelFeatureEmbeddingDataset-tkm2261 数据来源：互联网公开数据 标签：特征嵌入, 深度学习, 模型训练, 文本数据, 数据集, 机器学习, 向量表示, 数据分析 数据概述：...
-
嵌入向量数据集EmbeddingVectorsDataset-big092mlboa
2025年5月11日 30 14 2
嵌入向量数据集EmbeddingVectorsDataset-big092mlboa 数据来源：互联网公开数据 标签：嵌入向量, 机器学习, 深度学习, 特征提取, 数据集, 模型训练, 数据分析, 向量表示 数据概述： 该数据集包含以 CSV 格式存储的嵌入向量数据，以及一个 PyTorch 模型训练集文件。主要特征如下：...
-
集成嵌入数据EnsembleEmbeddingData数据集-aissaultimate
2025年4月26日 30 11 10
集成嵌入数据EnsembleEmbeddingData数据集-aissaultimate 数据来源：互联网公开数据 标签：集成学习，嵌入，数据集，自然语言处理，文本分析，机器学习，向量表示，模型融合 数据概述： 该数据集包含了使用集成学习方法生成的嵌入向量数据，主要用于文本分析和自然语言处理任务。主要特征如下：...
