詞和短語的分佈式表示及其組合性——論文閱讀

簡介 這篇文章是Word2Vec的作者，主要工作： 1. 提出skip-gram模型的擴展。如通過對高頻詞的二次取樣(Subsampling)以提高高頻詞詞向量的訓練速度（2-10倍）和較低頻詞的詞向量表示的質量； skip-gram模型：學習高質量分佈式向量表示的有效方法，可以捕獲大量準確的句法和語義關係。 2. 提出了簡化的噪聲對比估計變體(simplified variant of Nois

>>阅读原文<<