后面一些深度网络学习的方法，比如ELMO，BERT等等，其主要方法是， 基于上面word2vec学好的单词的Word Embedding。再根据上下文单词的语义去调整单词的Word Embedding表示，这样经过调整后的Word Embedding更能表达在这个上下文中的具体含义，自然也就解决了多义词的问题了。所以后面都是根据当前上下文对Word Embedding动态调整的思路。 这是学到的play向量，可能具有了更多含义，如演出等。
我个人理解，就是学的更彻底，向量更适配于各种多义的含义。本质还是一个词，一个向量。
References: 图解Word2vec 经典再读之Word2Vec word2vec Parameter L...
word2vec官网：https://code.google.com/p/word2vec/ word2vec是g...
word2vec word2vec 构建中文词向量
谈谈谷歌word2vec的原理github上的资料（1） word2vec 中的数学原理详解 word2vec源码...
1 Word2vec（gensim） 1.1 Word2vec介绍 word2vec是一个将单词转换成向量形式的工...
1、word2vec 的概念 word2vec ：将词映射到一个词空间中，故 word2vec 被称为词嵌入；并且...
word2vec使用教程，参考如下： word2vec github[https://github.com/ha...
1. 为什么使用word2vec？ 2. How To Learn Word2Vec？ We are workin...
word2vec思想 word2vec的核心是神经网络，采用 CBOW（Continuous Bag-Of-Wor...
Word2Vec算法
本文标题：Word2Vec
本文链接：https://www.haomeiwen.com/subject/peuxsktx.html
网友评论