embeddings
时间: 2023-09-28 21:08:09 浏览: 160
embedding通常是指将高维的数据转换为低维度的表示形式的技术。在自然语言处理中,embeddings被用来表示文本、词语或句子的语义信息。其中,contextual embedding是一种可以根据上下文理解词语含义的方法,比如ELMo和BERT等模型。这些模型通过考虑词语的上下文关系,提供了更准确且具有语义信息的嵌入表示。
除了contextual embedding外,还有其他方法来生成embeddings。例如,引入外部语料库知识比如WordNet,并利用其提取出与未见词语义相似的词来生成未见词的嵌入表示。这些方法假设底层词汇资源已经覆盖了未见词,但这并不一定是真实情况。
总的来说,embedding是将大型稀疏矢量映射到低维空间的技术,以保留语义关系。通过使用嵌套,我们可以将复杂的数据表示转化为更简洁且有意义的表示形式,便于后续的分析和应用。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [A Survey on Contextual Embeddings.pdf](https://download.csdn.net/download/wilosny518/13077711)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *2* [自然语言处理中的embeddings](https://blog.csdn.net/u013596454/article/details/120544014)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *3* [嵌套(Embeddings)](https://blog.csdn.net/qq_38382642/article/details/103177452)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
[ .reference_list ]
阅读全文
相关推荐


















