Gensim Bewertungen & Produktdetails

Indexierung und Abruf von indizierten Daten auf häufige Weise Bewertung gesammelt von und auf G2.com gehostet.

Serverkosten sind höher, es ist wichtig, ein gutes Verständnis von Python zu haben. Bewertung gesammelt von und auf G2.com gehostet.

Beste Werkzeuge für unüberwachtes Lernen, Themen- und Sprachmodellierung, Dokumentenindexierung, Ähnlichkeitsabruf mit großen Korpora, Vektorraum-Algorithmen und ergänzende Werkzeuge für tiefe neuronale Netzwerke wie NLTK, Keras, word2vec, FastText usw. Kompilierte Modelle, conda-Integration, API zur Maximierung der Berechnungen ohne Abhängigkeit von hoher Rechenleistung. Visualisierung und Modellanalyse werden ebenfalls bereitgestellt, was bei der Entwicklung maßgeschneiderter neuronaler Netzwerkmodelle hilft. Bewertung gesammelt von und auf G2.com gehostet.

Optimiert für Plattformunabhängigkeit, aber es könnte hektisch sein, den Codebestand zu verwalten, da die Gensim-Abhängigkeiten von den unabhängigen eigenständigen Paketen wie TensorFlow, Keras usw. getrennt sind. Bewertung gesammelt von und auf G2.com gehostet.

Ich habe diese Bibliothek für die Themenmodellierung von unstrukturierten Textdaten verwendet. Im Vergleich zu anderen Bibliotheken, die ich getestet habe, funktioniert Genism super schnell. Eine weitere Sache, die mir am meisten gefällt, ist die einfache Implementierung, wenn man die Dokumentation liest. Auch ihr vortrainiertes Korpus ist nützlich, wenn man sich auf eine Domäne konzentriert. Bewertung gesammelt von und auf G2.com gehostet.

Da es sich um eine vorgefertigte Bibliothek handelt, ist es manchmal schwierig, die Dinge zu finden, die im Backend passiert sind. Es ist etwas wie eine Blackbox. Bewertung gesammelt von und auf G2.com gehostet.

- Easier implementation

- Lot of optional parameters to configure

- Feasibility to develop many types - word2vec, fastext, etc

- Easier model building, updating, saving in a single line of code Bewertung gesammelt von und auf G2.com gehostet.

- library should have been updated to work with the latest embeddings using transfer learning like bert/Albert. orlese sooner it could become outdated without recent developments Bewertung gesammelt von und auf G2.com gehostet.

Gensim ist eine der besten NLP-Bibliotheken, mit der man NLP-Modelle mit Leichtigkeit und hoher Genauigkeit trainieren und erstellen kann. Bewertung gesammelt von und auf G2.com gehostet.

Gensim ist am besten nur für NLP-bezogene Aufgaben geeignet und nicht für eine breite Palette von Machine-Learning-Aufgaben. Für andere Anwendungsfälle sollte man andere Bibliotheken verwenden, die besser geeignet sind. Bewertung gesammelt von und auf G2.com gehostet.

Gensims Wort-Einbettungsmodelle und NLP-Pipelines Bewertung gesammelt von und auf G2.com gehostet.

Unfähigkeit, hochmoderne (SOTA) Modelle wie Transformatoren zu verwenden

Unfähigkeit, GPUs zu verwenden Bewertung gesammelt von und auf G2.com gehostet.

Weniger Trainingszeit mit anständigen Ergebnissen. Gut für die Erstellung eines benutzerdefinierten Vokabulars. Bewertung gesammelt von und auf G2.com gehostet.

Den Text insbesondere Stemming/Lemmatisierung vorverarbeiten, um den Wortschatz zu reduzieren. Dies hilft nicht in Fällen, in denen man die Wörter in ihrer ursprünglichen Form benötigt. Bewertung gesammelt von und auf G2.com gehostet.

I work in an NLP based team and we have all been frequently using Gensim to serve the needs of several projects. Word2vec, Doc2vec and LDA have been life savers Bewertung gesammelt von und auf G2.com gehostet.

Although I've been using Gensim for a while now, I haven't particularly found anything to be a downside yet. Bewertung gesammelt von und auf G2.com gehostet.

Gensim bietet vortrainierte kontextuelle Vektoren an. Bewertung gesammelt von und auf G2.com gehostet.

Mehr Vielfalt an Vektordimensionen kann für vortrainierte Vektoren angeboten werden. Bewertung gesammelt von und auf G2.com gehostet.

A great library for NLP-related tasks from preprocessing to training. You can find almost everything there.

I have worked on LDA using gensim, word2vec, you can use n-grams, and so much more. Bewertung gesammelt von und auf G2.com gehostet.

Previously didn't like the documentation but they have fixed that as well. Easier to read. Bewertung gesammelt von und auf G2.com gehostet.