Cheatsheet(备忘单)

Word representation learning(词表示学习)

为了学习单词向量:

$ ./fasttext skipgram -input data.txt -output model

Obtaining word vectors(获取单词向量)

为 queries.txt 包含单词的文本文件打印单词向量.

$ ./fasttext print-word-vectors model.bin < queries.txt

Text classification(文本分类)

为了训练一个文本分类器, 请执行以下操作:

$ ./fasttext supervised -input train.txt -output model

一旦模型被训练完毕, 您可以使用以下公式计算测试集上的k (P@k and R@k) 的精准和召回来评估它:

$ ./fasttext test model.bin test.txt 1

为了获得一段文字的k个最可能的标签，使用:

$ ./fasttext predict model.bin test.txt k

为了获得一段文字的k个最可能的标签及其相关概率,请使用:

$ ./fasttext predict-prob model.bin test.txt k

如果你想计算句子或段落的向量表示, 请使用:

$ ./fasttext print-sentence-vectors model.bin < text.txt

Quantization(量化)

为了创建一个 .ftz 内存占用量较小的文件, 请执行以下操作:

$ ./fasttext quantize -output model

所有其他命令（如测试）也适用于此模型

$ ./fasttext test model.ftz test.txt