概述
虽然 one-hot 编码允许我们保留结构信息,但它确实存在两个主要缺点。
- 线性依赖于我们词汇表中唯一标记的数量,如果我们正在处理大型语料库,这是一个问题。
- 每个令牌的表示不保留与其他令牌的任何关系。
在这个笔记本中,我们将激发对嵌入的需求以及它们如何解决 one-hot 编码的所有缺点。嵌入的主要思想是为文本中的标记提供固定长度的表示,而不考虑词汇表中标记的数量。使用 one-hot 编码,每个标记都由一个大小为 的数组表示vocab_size
,但使用嵌入,每个标记现在都具有形状embed_dim
。表示中的值不是固定的二进制值,而是通过改变浮点数来实现细粒度的学习表示。
- 目标:
- 表示文本中捕获内