28、常见的词嵌入算法有哪些? A、嵌入层 B、TextRank C、AHP D、Glove
时间: 2023-07-10 10:42:21 浏览: 86
A、嵌入层和D、Glove都是常见的词嵌入算法。嵌入层是深度学习模型中常用的一种词嵌入方法,它通过将词语映射到低维空间上来表示词语,从而实现了词语的向量化表示。而Glove则是一种基于全局统计信息的词嵌入算法,它利用了大量的全局语料库信息来构建词向量,从而提高了词向量的质量。B、TextRank是一种文本摘要和关键词提取算法,不属于词嵌入算法。C、AHP是一种层次分析法,也不属于词嵌入算法。
相关问题
AHP有多个子准则层最后怎么算一致性检验
对于AHP中有多个子准则层的情况,一致性检验的计算方法如下:
1. 首先,将每个子准则层的判断矩阵进行一致性检验,计算每个子准则层的一致性指标RI(Random Index)。
2. 然后,将各个子准则层的一致性指标RI加权求和,得到子准则层的总一致性指标CI(Consistency Index)。
3. 接下来,计算子准则层的一致性比例CR(Consistency Ratio),即CR = CI / RI。
4. 最后,根据CR值与一致性指标RI的对比,判断子准则层的一致性状况。通常情况下,当CR值小于0.1时,可以认为子准则层具有较好的一致性。
需要注意的是,如果子准则层的一致性检验结果不理想,可以对判断矩阵进行调整或修改,直到满足一致性要求。
AHP有多个子准则层最后怎么算一致性检验的python代码
以下是用Python计算AHP多个子准则层一致性检验的示例代码:
```python
import numpy as np
def ahp_consistency_check(matrix):
n = matrix.shape[0]
# 计算特征向量
eig_val, eig_vec = np.linalg.eig(matrix)
max_eig_val = max(eig_val.real) # 获取最大特征值
max_eig_vec = eig_vec[:, np.argmax(eig_val.real)] # 获取对应的特征向量
# 计算一致性指标CI
ci = (max_eig_val - n) / (n - 1)
# 获取随机一致性指标RI
ri_dict = {1: 0, 2: 0, 3: 0.58, 4: 0.90, 5: 1.12, 6: 1.24, 7: 1.32, 8: 1.41, 9: 1.45}
ri = ri_dict[n]
# 计算一致性比例CR
cr = ci / ri
return ci, cr
# 示例使用的判断矩阵
matrix_1 = np.array([[1, 3, 5], [1/3, 1, 2], [1/5, 1/2, 1]])
matrix_2 = np.array([[1, 2], [1/2, 1]])
# 计算子准则层的一致性检验结果
ci_1, cr_1 = ahp_consistency_check(matrix_1)
ci_2, cr_2 = ahp_consistency_check(matrix_2)
print("子准则层1的一致性指标CI:", ci_1)
print("子准则层1的一致性比例CR:", cr_1)
print("子准则层2的一致性指标CI:", ci_2)
print("子准则层2的一致性比例CR:", cr_2)
```
请注意,代码中的 `matrix_1` 和 `matrix_2` 是示例使用的判断矩阵,你需要根据你的实际情况替换为自己的判断矩阵。同时,代码中假设判断矩阵是方阵,且已经通过一致性检验的要求进行了填充。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)