StarSpace是用于高效学习实体向量的通用神经模型

StarSpace是用于高效学习实体向量的通用神经模型，用于解决各种各样的问题：

学习单词，句子或文档级嵌入。
文本分类或任何其他标签任务。
信息检索：实体/文件或对象集合的排序，例如 排名网络文件。
度量/相似性学习，例如 学习句或文档相似性。
基于内容或协作过滤的建议，例如 推荐音乐或视频。
嵌入图表，例如 多关系图如Freebase。

项目地址：https://github.com/facebookresearch/Starspace

StarSpace

StarSpace is a general-purpose neural model for efficient learning of entity embeddings for solving a wide variety of problems:

Learning word, sentence or document level embeddings.
Text classification, or any other labeling task.
Information retrieval: ranking of sets of entities/documents or objects, e.g. ranking web documents.
Metric/similarity learning, e.g. learning sentence or document similarity.
Content-based or Collaborative filtering-based Recommendation, e.g. recommending music or videos.
Embedding graphs, e.g. multi-relational graphs such as Freebase.