cht5600的博客

在NLP诸多问题（如：文本分类等）中，文本表示不可或缺。这里博主枚举一些主流的文本表示方法。这里主要说的是基于文本内容的表示，顺带先扯扯基于行为的表示：不同的业务有不同的表示，基于行为的文本表示如SVD，LFM等，基于用户的行为日志（如新闻点击）学习用户和文本的的特征向量，url2vec利用用户对文本的点击序列，借鉴word2vec（每个文本看成一个word），训练文本的向量表示。基于文本

EMD算法简介该部分引用自[1]Earth Mover’s Distance (EMD)，和欧氏距离一样，他们都是一种距离度量的定义，可以用来测量某分布之间的距离。EMD主要应用在图像处理和语音信号处理领域。EMD问题如下图所示给定两个签名(或者叫分布、特征量集合)P和Q，P为m个特征量Pi和其权重wPi的集合，记作P={(P1,wP1),(P2,wP2