谈谈对词嵌入的理解
- 词嵌入的由来:要讲自然语言给机器处理就要把它处理成向量,也就是机器可以理解的形式。最早的处理处理方式是one-hot编码,但这种方式只能产生一个高维稀疏的矩阵,并且对于每个词语只能表示单一的信息,对于语义等高级信息不能表示。所以就出现了各种词嵌入算法。
- 词嵌入:将文本中的词汇或短语映射到实数向量空间中,这种映射过程能够捕捉词汇之间的语义和句法关系。嵌入向量的行数是词表的词数,列数表示的是维度。(个人理解就是给每个词进行编码,编码的长度就是维度即列数,每个维度表示这些词在某个方面的分数,但这个方面没有具体含义,类似主成分分析出来的那种)
- 特征:在向量空间中,相似的词会聚集在一起,形成特定的簇或区域。其实就是把词嵌入向量降维成二维向量,然后那每个词表示在坐标轴上,语义相近的离得近。
- 意义:将高维稀疏的词汇表转化为低维稠密的向量表示,大大降低数据的维度,使得计算更为高效,同时通过连续的向量表示,词嵌入能够更细致地描述词汇之间的相似性和差异性,从而提高了自然语言处理任务的性能。