【文本表徵】2018年天然語言理解最火的三種方法

衆所皆知的分佈式詞向量方法CBOM, skip-gram, Glove等已經成爲NLP任務的標配，但致命的缺點是沒法區別同一個詞在不一樣語境下的含義，如「bank"不管是銀行仍是河岸的意思，詞向量都是同一個，讓人腦袋疼。本文要介紹的是2018年很火的三個方法：Elmo, GPT, BERT。它們可以處理多義詞、反應不一樣的語境，從而更好地理解天然語言，而且在下游NLP任務中有突出表現。web 1

>>阅读原文<<