Uno studio sui Word Embeddings per documenti di ambito medico: Il caso di studio della collezione PubMed

Questo elaborato ha come obbiettivo quello di studiare i Word Embeddings, in relazione alla loro applicazione alla collezione biomedicale di PubMed. L'interesse è quello di sviluppare una versione del modello SkipGram con la quale addestrare i Word Embeddings con la collezione PubMed sfruttando una piattaforma con poche risorse di calcolo come un Notebook: è stata sviluppata un'implementazione in Python del modello utilizzando TensorFlow e i risultati sono stati valutati in modo intrinseco.