2018· ACL · Unsupervised Learning of Sentence Embeddings using Compositional n-Gram Features

想法来源：无监督的学习方法的两个方法入手：鲁棒性、简单有效。相当于CBOW的改版，但是是用在sentence的表示上。

价值：

方法：改进了CBOW在大数据集上的表现，去掉了高频词的影响。

缺点：

详细方案：

• 首先，句子的最终表示：

  
  -c450
  

  其中R(S)是S中所有的n-gram表示，当然n也可以取1。|R(S)|表示n-gram的数量

• 其次，下采样方法
  -c350
  是词w的频率规范化后的

• 正采样方法

  
  -c350

以上两种采样方法，可以减小高频词影响。

• 去除高频词的影响
  -c450
  其中的表示： -w150

数据集：
训练

1. Toronto book corpus
2. Wikipedia sentences
3. tweets
   测试
   movie review sentiment (MR)
   product reviews (CR)
   subjectivity classification (SUBJ)
   opinion polarity (MPQA)
   question type classification (TREC)

实验：

• 首先看看在下游任务的表现

  
  image

• 无监督任务的表现：Pearson/Spearman

  
  image

• 对比最好的结果所需要的训练时间

  
  image