معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	NeighborBlend-0.3.0
نام	NeighborBlend
نسخه کتابخانه	0.3.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Soni Sanskar
ایمیل نویسنده	soni.sanskar@gmail.com
آدرس صفحه اصلی	https://github.com/sonisanskar/Neighborhood-Blending
آدرس اینترنتی	https://pypi.org/project/NeighborBlend/
مجوز	MIT

# Neighborhood Blending ![PyPI - Python Version](https://img.shields.io/pypi/pyversions/p) Generally, the embedding used for any task is already pre-trained and generalized. However, for a specific task, Neighborhood Blending/mixing can be used. Here, we try to use the fact that a specific query/instance is primarily affected by its nearest neighbors only. Neighborhood Blending is a general technique and can be used in text data with pre-trained embedding or on images data. After the queries get encoded using any sentence transformer model and using [*Facebook AI Similarity Search (FAISS)*](https://github.com/facebookresearch/faiss) to search for the similar embedding of multimedia documents, we obtained the top k nearest neighbors (in terms of similarity) of each given query. Neighborhood Blending is used to make similar queries more distinct and closer to their neighbors. It makes the clusters more coherent. Official repository: https://github.com/sonisanskar/Neighborhood-Blending # Features - Cross-platform: Windows, Mac, and Linux are officially supported. - Works with Python 2.7,3.5,3.6,3.7 # Requires - numpy, pandas , faiss-cpu or faiss-gpu ## Acknowledgements - [FAISS](https://github.com/facebookresearch/faiss) ## Authors - [@sonisanskar](https://github.com/sonisanskar) ## 🔗 Links [![linkedin](https://img.shields.io/badge/linkedin-0A66C2?style=for-the-badge&logo=linkedin&logoColor=white)](https://www.linkedin.com/in/sanskar-soni-6337a1196/) [![twitter](https://img.shields.io/badge/twitter-1DA1F2?style=for-the-badge&logo=twitter&logoColor=white)](https://twitter.com/sanskar75030473) ## Support For support, email soni.sanskar@gmail.com

نیازمندی

مقدار	نام
-	numpy
-	pandas
-	faiss-cpu
-	scikit-learn

زبان مورد نیاز

مقدار	نام
>=3	Python

نحوه نصب

نصب پکیج whl NeighborBlend-0.3.0:

pip install NeighborBlend-0.3.0.whl

نصب پکیج tar.gz NeighborBlend-0.3.0:

pip install NeighborBlend-0.3.0.tar.gz