Efficient Estimation of Word Representations in Vector Space 笔记
Posted 一杯敬朝阳一杯敬月光
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Efficient Estimation of Word Representations in Vector Space 笔记相关的知识,希望对你有一定的参考价值。
先上这篇paper链接:https://arxiv.org/pdf/1301.3781.pdf
摘要
这篇paper介绍了两种基于大规模数据集计算continuous vector representations of words的模型。(这边的continuous或可理解为上下文中心词是连在一起的)。在单词相似性任务中衡量这些representations 的性能,并将结果与以前基于不同类型神经网络的优秀的模型进行比较。在更低的计算成本下,准确度有了很大的提高。这些vectors在测试集上能很好的捕捉到语意和句法的相似性。
引言
当时很多的NLP算法,将words当作最小的原子用词典中的下标表示,缺点是没有words间相似性的概念,优点是简单(大训练集上的简单模型的表现优于小训练集上的复杂模型,在有限的计算资源和时间复杂度下,简单的模型能作用于更大的训练集)、鲁棒。例如N-gram模型能作用于万亿级别单词的数据集。
以上是关于Efficient Estimation of Word Representations in Vector Space 笔记的主要内容,如果未能解决你的问题,请参考以下文章
论文学习-sparse methods for direction of arrival estimation1.
论文学习-sparse methods for direction of arrival estimation2
文本分类Bag of Tricks for Efficient Text Classification
《MonoIndoor:Towards Good Practice of Self-Supervised Monocular Depth Estimation...》论文笔记
A Unified Deep Model of Learning from both Data and Queries for Cardinality Estimation 论文解读(SIGMOD 2