简单点说,找到目的空间的嵌入向量。那尝试通俗易懂的去理解embedding。
例如现在站在你面前的Alice,你要怎么去描述她呢?
- 假如从长相去描述Alice,最重要的几个特征是什么?
[白不白,五官正不正,牙齿齐不齐]
- 你可以用离散的变量0,1去表示条件成立与否:
[ 1 , 1 , 1 ]==[皮肤白,五官正,牙齿齐]
- 当然你也可以去给这几个特征打个分,到底有多白,多正,多齐,比如10分制:
[ 6 , 8 , 10]==[普通白,比较正,非常齐]
。这样的话,你就得到了欧几里得某个三维空间上对Alice长相的描述了!
回到第一句,这里的目的空间是什么呢?当然就是Alice的长相描述空间了,嵌入向量就是上面两个评分了。当然你也可以去从成绩描述Alice:[数学,语文,地理,生物,化学,英语,物理]=[125,120,90,80,70,120,60]
。这里你找到了成绩空间去得到了Alice的embedding。
凡事都要问个为什么,为什么需要这些embedding呢?如果Alice和Bob去比谁长相更好,肯定不是两个人对着嚷嚷就能比出来的,如果得到两个人长相空间的embedding,综合分一加不就得出结果了?
所以:
- 第一,是为了针对某个目的更好的优化计算过程。
- 第二,还有很多结构并不是欧几里得空间,比如图。要处理这些数据,更加需要去学习到embedding。
怎么形象理解embedding这个概念? - 「已注销」的回答 - 知乎
https://www.zhihu.com/question/38002635/answer/1047924668