1.one-hot 编码
将文本用一个高维向量表现为数值形式,每个词对应于一个高维向量。
将每个词进行编号,这个词对应的向量构成方法为:这个词编号所对应的维数为1,其余维数为0。
例如:
The boy likes running.
The guy likes swimming.
The girl likes football.
The gal likes swimming.
分析里面的 boy ,guy,girl, gal四个词。假设用4维向量来表示这四个词
boy:(1,0,0,0), guy(0,1,0,0), girl(0,0,1, 0), gal(0,0,0,1)
这样表示会出现维度爆炸的问题,在词典规模越增越大时,one-hot编码的维度也会越来越大。
还有,one-hot编码仅从两个向量之间是没有办法看出两个单词之间的关系的,这也叫做“语义鸿沟”。