Doc2vec

6 篇文章 0 订阅

Doc2Vec 是基于Word2Vec的思想。
只是巧妙的加了一个paragraph id 以此来表示整个文档的向量分布。

在这里插入图片描述
假设一篇文章共有N个段落,每个段落都会有个一个paragraph_id,然后每个段落做PV-DM模型。
和word2vec的主要不同点即为,paragraph_Id 由一个矩阵D构成,他和其他word vector 组成的W矩阵进行concate连接,用来预测中心词。

还有另外一种形式的Doc2vec,即为给定一个paragraph_id,不加入任何单词文本信息,去预测该段落拥有的一些单词。(类似于word2vec 中的Skip-gram模型)称之为Distributed Bag of Words version of paragraph vectors.(PV-DBOW).
在这里插入图片描述

Doc2vec的优点:
1.首先,它是一种无监督的算法,并不需要标注数据就可以进行一些训练。
2.其次,他继承了word2vec的语义上的优点。即相似的词,向量距离相近。
3.另外,他还在训练时,考虑了上下文的单词顺序关系。因此,会拥有一些单词顺序上的语义理解。但是又不会像n-gram那样生成很高维度的数据。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值