論文分享|【詞向量專題】中文詞嵌入最新進展

分佈式的詞嵌入(word embedding)將一個詞表徵成一個連續空間中的向量,並且有效地挖掘了詞的語義和句法上的信息,從而被作爲輸入特徵廣泛得應用於下游的NLP任務(比如:命名實體識別,文本分類,情感分析,問答系統等等)。CBOW,skip-gram 和Glove模型算是最熱的最受青睞的方法來進行詞嵌入的學習了。後來人們又在這三個模型的基礎上發明了各種變體來提高詞嵌入的質量。 今天要介紹的是通
相關文章
相關標籤/搜索