Спасибо! Да, токенизированную строку имел ввиду, конечно. Есть опыт работы c bag words и вот думаю, как не изучая ничего нового решить задачу по быстрому. Приведенными вами ссылки изучаю, но если идти по верхам, то алгоритм примерно такой:

1. Беру много мед статей
2. Парсим базу препаратов
3. Статьи чищу, нормализую, токенизирую
4. Делю данные на x (ориг данные) и y (с 1 для искомых слов, а остальное 0)
5. Беру преобученную BERT трансофрмер
6. Доучиваю на своих данных

Верно? Получается, задача классификации и f1 мера в качестве целевой метрики?

добрый вечер! задача: есть список объектов и список компонентов (каждый объект включет в себя несколько из них). мне нужно сделать и отобразить визуально нечто вроде кластеризации: в какие категории по своему составу группируются объекты. я пока думал в сторону сделать из этого разреженную матрицу и скормить чему-нибудь вроде umap, но вероятно это не самая разумная идея. подскажите, в какую сторону смотреть?

добрый вечер! задача: есть список объектов и список компонентов (каждый объект включет в себя несколько из них). мне нужно сделать и отобразить визуально нечто вроде кластеризации: в какие категории по своему составу группируются объекты. я пока думал в сторону сделать из этого разреженную матрицу и скормить чему-нибудь вроде umap, но вероятно это не самая разумная идея. подскажите, в какую сторону смотреть?

добрый вечер! задача: есть список объектов и список компонентов (каждый объект включет в себя несколько из них). мне нужно сделать и отобразить визуально нечто вроде кластеризации: в какие категории по своему составу группируются объекты. я пока думал в сторону сделать из этого разреженную матрицу и скормить чему-нибудь вроде umap, но вероятно это не самая разумная идея. подскажите, в какую сторону смотреть?

> А если считать что объект это документ компонент?
не уловил. поясните? это текстовые данные в действительности, коллекции и элементы/фрагменты.

добрый вечер! задача: есть список объектов и список компонентов (каждый объект включет в себя несколько из них). мне нужно сделать и отобразить визуально нечто вроде кластеризации: в какие категории по своему составу группируются объекты. я пока думал в сторону сделать из этого разреженную матрицу и скормить чему-нибудь вроде umap, но вероятно это не самая разумная идея. подскажите, в какую сторону смотреть?