NLP-词向量(Word Embedding):Embedding(Tranform Object To Vector)【对象向量化;Embedding的本质是以one-hot为输入的单层全连接层】

深度学习-生成模型-预训练方法:Embedding(Tranform Object To Vector)

  • 一、Embedding概述
  • 二、Embedding与Ont-Hot编码
  • 三、Word Embedding
    • 1、传统的自然语言处理系统
    • 2、词向量(Word Embedding)空间语言模型(Vector space models, VSMs)
    • 3、CBOW模型
    • 4、Skip-Gram 模型
  • 四、Embedding可视化

一、Embedding概述

  • 近年来,NLP自然语言处理、推荐系统,以及计算机视觉已成为目前工业界算法岗的主流方向,无论在哪个领域,对“Embedding”这个词概念的理解都是每个庞大知识体系的基石。
  • “Embedding”直译是嵌入式、嵌入层。它能把万物嵌入万物,是沟通两个世界的桥梁!
  • 用数学的话来说:“它是单射且同构的”
  • 地图就是对于现实地理的Embedding,现实的地理地形的信息其实远远超过三维,但是地图通过颜色和等高线等来最大化表现现实的地理信息。

你可能感兴趣的:(#,NLP/词向量_预训练模型,人工智能,深度学习,自然语言处理,Embedding)