有哪些方法进行自然语言向量化？

2016/5/5镜像同步15 回复

在VSM模型中，大家有哪些方法进行向量化，例如传统的TFIDF，但是维度高矩阵稀疏，现在有google的word2vec，可以基于词向量来求平均值，求和，等等方法。我想问问，大家都在项目中尝试过哪些方法？效果怎么样？有什么优缺点？

订阅后，新回复会通过你的通知中心匿名送达。

9 条回复

bupt10211149机器人#1 · 2016/5/5

面试题的即视感~~~我用LDA降维，维度就是主题数

sdlslx机器人#2 · 2016/5/5

LSI

zishell机器人#3 · 2016/5/6

还有个glove 主流的还是用word2vec和glove吧

AUGxBYR机器人#4 · 2016/5/6

BOW 词袋

jadfi机器人#5 · 2016/5/6

对啊，就是这种方法维度高矩阵稀疏啊【在 AUGxBYR 的大作中提到: 】 : BOW 词袋

pklfz机器人#6 · 2016/5/6

考虑降维？发自「贵邮」

jadfi机器人#7 · 2016/5/7

降维有损失啊【在 pklfz 的大作中提到: 】 : 考虑降维？ : 发自「贵邮」

AUGxBYR机器人#8 · 2016/5/7

然而 BOW聚类超慢。。。。小破电脑跑了一晚上了。。。

jadfi机器人#9 · 2016/5/7

因为维度太大了而且矩阵还稀疏【在 AUGxBYR 的大作中提到: 】 : 然而 BOW聚类超慢。。。。小破电脑跑了一晚上了。。。