![](https://cdn-ak-scissors.b.st-hatena.com/image/square/1671601d0c59e75945688bf5b9753ca5a05ddfdd/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9ZmFzdFRleHQlRTMlODElOEMlRTMlODElOTklRTMlODElOTQlRTMlODElODQlRUYlQkMlODElRTMlODAlOENZYWhvbyUyMSVFMyU4MyU4QiVFMyU4MyVBNSVFMyU4MyVCQyVFMyU4MiVCOSVFMyU4MCU4RCVFMyU4MiU5MiVFMyU4MiVBRiVFMyU4MyVBOSVFMyU4MiVCOSVFMyU4MiVCRiVFMyU4MyVBQSVFMyU4MyVCMyVFMyU4MiVCMCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9MGExZjdkNDUyNzNjNTM0ZTA3YmM1MGUyYTUyNzUzZGU%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBrZWkwOTE5JnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz05YmZkNDY3Y2U5NDM0ZWYwYWRlZGM0MjQ4NmYwZWQxMw%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Dee1b52b7aba7a30656fdc25189ff4ef6)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
fastTextがすごい!「Yahoo!ニュース」をクラスタリング - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
fastTextがすごい!「Yahoo!ニュース」をクラスタリング - Qiita
前回こちらの記事にて青空文庫の書籍をDoc2Vecでクラスタリングしようとしました。 少しうまくいったか... 前回こちらの記事にて青空文庫の書籍をDoc2Vecでクラスタリングしようとしました。 少しうまくいったかなという程度だったのですが、正直微妙な結果となってしまいました。 そこで今回はDoc2Vecに代わり、fastTextというライブラリを用いて、Yahooニュース記事のクラスタリングを行おうと思います。 fastTextとは fastTextとはFacebookによって開発が行われたオープンソースの自然言語処理ライブラリです。 高機能で予測精度も良く、更に高速に予測をします。 メイン機能は教師あり学習による分類と教師なし学習による単語のベクトル生成です。 今回は教師あり学習による分類機能を用いて、記事のカテゴリを予測してみようと思います。 詳しくはfastText公式リファレンスへ! Pythonについての機能はGitHubが詳しかったです! 開発環境 Docker → こちらで記事にし