会员服务
分散式表示即将语言表示为稠密、低维、连续的向量。 研究者最早发现学习得到词嵌入之间存在类比关系。比如apple−apples ≈ car−cars， man−woman ≈ king – queen 等。这些方法都可以直接在大规模无标注语料上进行训练。词嵌入的质量也非常依赖于上下文窗口大小的选择。通常大的上下文窗口学到的词嵌入更反映主题信息，而小的上下文窗口学到的词嵌入更反映词的功能和上下文语义信息。
Realised Volatility Forecasting: Machine Learning via Financial Word Embedding
Arxiv
0+阅读 · 11月19日
Mitigating Gender Bias in Contextual Word Embeddings
Arxiv
0+阅读 · 11月18日
A Primer on Word Embeddings: AI Techniques for Text Analysis in Social Work
Arxiv
0+阅读 · 11月11日
A comparison of correspondence analysis with PMI-based word embedding methods
Arxiv
0+阅读 · 11月8日
MT2ST: Adaptive Multi-Task to Single-Task Learning
Arxiv
0+阅读 · 11月6日
Word Embedding Dimension Reduction via Weakly-Supervised Feature Selection
Arxiv
0+阅读 · 11月4日
From melodic note sequences to pitches using word2vec
From melodic note sequences to pitches using word2vec
Arxiv
0+阅读 · 10月29日
Towards Automated Identification of Violation Symptoms of Architecture Erosion
Arxiv
0+阅读 · 10月28日
Tracing the Development of the Virtual Particle Concept Using Semantic Change Detection
Arxiv
0+阅读 · 10月22日
How Powerful are Decoder-Only Transformer Neural Models?
Arxiv
0+阅读 · 10月10日
HybridBooth: Hybrid Prompt Inversion for Efficient Subject-Driven Generation
Arxiv
0+阅读 · 10月10日
Private Language Models via Truncated Laplacian Mechanism
Arxiv
0+阅读 · 10月10日
Axis Tour: Word Tour Determines the Order of Axes in ICA-transformed Embeddings
Arxiv
0+阅读 · 10月9日
Bi-Directional Transformers vs. word2vec: Discovering Vulnerabilities in Lifted Compiled Code
Arxiv
0+阅读 · 9月27日
Predicting Anchored Text from Translation Memories for Machine Translation Using Deep Learning Methods
Arxiv
0+阅读 · 9月26日
参考链接
父主题
语言表示
微信扫码咨询专知VIP会员
Top