知识的向量表示

1、one-hot表示,空间太大

2、bag词袋模型,无法表示词的语义

3、词的语义由什么决定?词由他的上下文决定?分布式语义

4、CBow,通过前面几个词和后面几个词,预测中间几个词

5、skip-gram,通过中间几个词,预测后面几个词

6、本质都是上下问贡献的来决定词的意义,词的分布式语义

7、onehot很难计算出词的隐藏关系,所以从词嵌入过渡到知识图谱嵌入

8、知识图谱嵌入模型,TransE\DisMult

9、一对多、多对一如何捕捉?知识逻辑复杂,训练代价和语料不充分?二者是矛盾的

10、知识表示是传统AI的核心

---------

评论
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