아빠는 개발자

tensorflow embedding A/B 테스트tensorflow embedding 모델을 2가지 방법으로 색인해서 테스트해 본다. A : https://tfhub.dev/google/universal-sentence-encoder-multilingual-large/3"B : https://tfhub.dev/google/universal-sentence-encoder-multilingual/3"위의 두개를 테스트 해보았으나.. 뭐가 낫다고 판단 할 수가 없어 색인 방법으로 테스트를 다시 해 봄 모델은 라지 형님#모델 API https://tfhub.dev/google/universal-sentence-encoder-multilingual-large/3"CASE A상품명(name) 으로 vector 를..

tensorflow embedding A/B 테스트tensorflow embedding 2가지 모델을 2가지 방법으로 색인해서 테스트해 본다.#모델 API A : https://tfhub.dev/google/universal-sentence-encoder-multilingual-large/3"B : https://tfhub.dev/google/universal-sentence-encoder-multilingual/3"공통 :512차원 밀집백터 색인cosineSimilarity 비교 2919개의 상품명, 카테고리 데이터 후보 1  A 모델을 사용하여 name (상품명) 으로 vector 추출       후보 2 B 모델을 사용하여 name (상품명) 으로 vector 추출       후보 3A 모델을 사용..

A,B 테스트에서 승리한 B모듈에 강한 상대가 나타났다 라지형님https://tfhub.dev/google/universal-sentence-encoder-multilingual-large/3 Google | universal-sentence-encoder | KaggleEncoder of greater-than-word length text trained on a variety of data.www.kaggle.com  공정한 심사를 위해 일단 둘다 지우자대결 항목상품명으로 테스트상품명 + 카테고리 테스트상품명 + 카테고리 토큰 테스트 put_products.py# -*- coding: utf-8 -*-import jsonfrom elasticsearch import Elasticsearchfrom e..